R语言数据清洗求助：拆分departure_info与提取price数值

先修正字段拼写错误 #

你的数据里departue_info是拼写错误，先改成departure_info，后续基于这个修正后的字段处理。

1. 拆分出发信息为时间和日期，处理多值行 #

原数据中departure_info是字符串格式的列表，先把它拆成单独的条目，再提取时间和日期：

library(tidyverse)

# 修正字段名
df1 <- df1 %>% rename(departure_info = departue_info)

# 拆分多值行并提取时间、日期
df_clean <- df1 %>%
  # 将字符串列表拆成多列，再转成多行
  unnest_wider(departure_info, names_sep = "_") %>%
  pivot_longer(cols = starts_with("departure_info_"), 
               names_to = NULL, values_to = "departure_info") %>%
  drop_na(departure_info) %>%
  # 正则提取时间和日期
  mutate(
    departure_info_time = str_extract(departure_info, "\\d{2}:\\d{2} [ap]m"),
    departure_info_day = str_extract(departure_info, "[A-Za-z]{2} \\d{2} [A-Za-z]{3}")
  ) %>%
  select(-departure_info)

2. 提取价格数字，匹配多值行 #

同样处理price字段，拆分多值后提取数字，忽略特殊字符：

df_clean <- df_clean %>%
  # 拆分价格的字符串列表为多行，和出发信息条目对应
  unnest_wider(price, names_sep = "_") %>%
  pivot_longer(cols = starts_with("price_"), 
               names_to = NULL, values_to = "price") %>%
  drop_na(price) %>%
  # 提取数字并转为数值型
  mutate(price = as.numeric(str_extract(price, "\\d+")))

关键逻辑说明 #

• 多值行处理：用unnest_wider+pivot_longer把包含多个出发时间/价格的行拆成单独观测，这样每个时间对应一个价格，适合后续做趋势散点图。
• 正则匹配规则：
  • 时间：\\d{2}:\\d{2} [ap]m精准匹配"hh:mm am/pm"格式；
  • 日期：[A-Za-z]{2} \\d{2} [A-Za-z]{3}匹配"Sa 19 Feb"这类日期格式；
  • 价格：\\d+提取所有连续数字，自动忽略后面的<U+0080>特殊字符。

最终数据示例 #

处理后的数据结构（以FRA-OSL航班为例）：

depart destination departure_info_time departure_info_day price
1    FRA         OSL           10:25 am         Sa 19 Feb   249
2    FRA         OSL           16:10 am         Sa 19 Feb   249
3    FRA         OSL           21:40 am         Sa 19 Feb   249
4    FRA         OSL           10:25 am         Sa 19 Feb   419

内容的提问来源于stack exchange，提问作者Gaaaa