使用map_df()处理字符串时观测值消失，如何排查解决？

编辑致歉：深夜提问导致问题质量欠佳。

我尝试使用map_df()将字符字符串映射到列中，列已创建但无观测值。代码如下：

a <- "Master Dev: ABC"
b <- "Developer: 123"
c <- "Contractor: XYZ"
d <- "Financer: 789"

list <- list(a,b,c,d)

list %>% 
  map_df(~list(Master     = .x %>% str_subset(.,"Master Dev: ") %>% sub(".*Master Dev: ","",.),
               Architect  = .x %>% str_subset(.,"Architect: ")  %>% sub(".*Architect: ","",.),
               Contractor = .x %>% str_subset(.,"Contractor: ") %>% sub(".*Contractor: ","",.),
               Financer   = .x %>% str_subset(.,"Financer: ")   %>% sub(".*Financer: ","",.)
              )
         ) ->dF

代码位于循环中，每次迭代可能包含a、b、c、d中的任意标题组合，预期输出是将冒号后的信息拆分到对应列的数据框，如下表：

我确认str_subset()和sub()功能正常，因为以下测试能正确解析出对应名称：

list %>%
  str_subset(.,"Master Dev: ") %>% sub(".*Master Dev: ","",.)

请问我忽略了什么问题？

问题原因 #

你的代码里，str_subset()作用在单个字符串时，不匹配的情况会返回长度为0的空向量，后续sub()处理空向量仍返回空向量。map_df()组合这些list成数据框时，空向量会被识别为缺失元素，导致无法生成正确的观测值。另外，你定义的列名（比如Master）和预期的Master Dev不匹配，还多了一个不需要的Architect列。

解决方法 #

直接用str_extract()结合正则表达式提取目标内容，不匹配时返回空字符串，同时修正列名与预期一致：

library(tidyverse)

a <- "Master Dev: ABC"
b <- "Developer: 123"
c <- "Contractor: XYZ"
d <- "Financer: 789"

my_list <- list(a,b,c,d) # 避免用`list`作为变量名，和内置函数冲突

my_list %>% 
  map_df(~list(
    `Master Dev` = str_extract(.x, "(?<=Master Dev: ).*") %||% "",
    Developer    = str_extract(.x, "(?<=Developer: ).*") %||% "",
    Contractor   = str_extract(.x, "(?<=Contractor: ).*") %||% "",
    Financer     = str_extract(.x, "(?<=Financer: ).*") %||% ""
  )) -> dF

运行后得到的结果与预期完全一致：

# A tibble: 4 × 4
  `Master Dev` Developer Contractor Financer
  <chr>        <chr>     <chr>      <chr>   
1 ABC          ""        ""         ""      
2 ""           123       ""         ""      
3 ""           ""        XYZ        ""      
4 ""           ""        ""         789     

补充说明 #

• str_extract()的正则表达式(?<=...)是正向预查，直接匹配冒号后的内容，无需先筛选再替换；
• %||%是rlang包的函数，用来把匹配失败返回的NA替换成空字符串，确保每个位置都有有效内容；
• 避免用list作为变量名，防止和R内置的list()函数冲突引发错误。

内容的提问来源于stack exchange，提问作者Bart Yarborough