如何解决tidyr::separate函数拆分时数据错位及丢失问题

你的代码出现警告和结果错位的原因是：gsub('([[:upper:]])', ' \\1', ab)会给所有大写字母前添加空格，包括字符串的第一个字符。比如原字符串是Y3D4.6，处理后变成 Y3 D4.6，开头多了一个空格。用separate按空格拆分时，第一个分割出的是空字符串，第二个是Y3，而后面的D4.6因为指定了只分成a和b两列，被直接丢弃，最终导致预期的内容错位、部分内容丢失。

修正后的代码 #

调整正则表达式，仅在非字符串开头的大写字母前添加空格：

set.seed(1)

# 创建需要拆分的融合字符串数据框
df1 <- as.data.frame(matrix(
    paste0(sample(LETTERS, 20, replace = TRUE), sample(seq(1, 7, 0.1), 20, replace = TRUE)), 
    nrow = 10)) %>% unite(col = "ab", sep = "")

# 仅在非开头的大写字母前添加空格（使用Perl风格正则）
df2 <- df1 %>% mutate(ab = gsub('(?<!^)([[:upper:]])', ' \\1', ab, perl = TRUE))

# 拆分列
df3 <- df2 %>% separate(col=ab, into=c("a", "b"), sep = " ")
df3

关键说明 #

正则表达式(?<!^)([[:upper:]])中的(?<!^)是负向零宽断言，用于匹配不是字符串开头的位置，这样只会给第二个及以后的大写字母前加空格。处理后的字符串会变成Y3 D4.6的格式，separate拆分后正好将第一个字母数字组合存入a列，第二个存入b列，不会出现警告和内容丢失的问题。

内容的提问来源于stack exchange，提问作者rainbird