如何用R的dplyr检测列变量中的单词并生成新列？

原始数据 #

library(tidyverse)
var = c("A_CAT","B_DOG","A_CAT","F_HORSE","GEORGE_DOG","HeLeN_CAT")
df = tibble(var)

对应的数据框：

目标结果 #

需要生成包含var_new列的数据框，提取每个var值中下划线后的部分：

解决方案 #

方法1：使用str_extract（tidyverse）

利用正则表达式匹配下划线后的所有字符，代码简洁高效：

df <- df %>%
  mutate(var_new = str_extract(var, "(?<=_).+"))

正则表达式(?<=_).+是正向预查，表示匹配所有跟在下划线后面的字符，无需考虑下划线前的内容长度。

方法2：使用separate（tidyverse）

将var列按下划线分割为两列，保留需要的部分：

df <- df %>%
  separate(var, into = c("prefix", "var_new"), sep = "_", remove = FALSE) %>%
  select(-prefix)

• remove = FALSE：保留原始的var列
• 最后通过select(-prefix)删除不需要的前缀列

方法3：Base R 原生方法

用strsplit分割字符串后提取第二部分：

df$var_new <- sapply(strsplit(df$var, "_"), function(x) x[2])

strsplit将每个字符串拆分为列表，sapply遍历列表取出第二个元素。

内容的提问来源于stack exchange，提问作者Homer Jay Simpson