R语言如何将单列交替存储的数据拆分为x、y两列？

问题规律说明 #

原始数据从有效内容行开始，按行交替存储两类信息：

• 奇数行：带数字编号前缀的物种名称
• 偶数行：对应上一行物种的类群属性
  两类信息逐行配对，可通过位置索引直接拆分重组。

实现方案 #

方案1：基础R实现（无需安装额外依赖包） #

# 1. 读入数据：如果是本地文件，可替换为 read.csv("你的文件路径.csv", stringsAsFactors = FALSE)
# 以下为复现示例的测试数据
raw_df <- data.frame(
  x = c(
    "2. Nepsalus jezoensis",
    "species, insects",
    "3. Prochas sp. 2 YYH-2022a",
    "species, wasps, ants & bees",
    "4. Prochas sp. 1 YYH-2022a",
    "species, wasps, ants & bees",
    "5. Eccoptopterus sp. 1 CP-2022",
    "species, beetles",
    "6. Andricus sp. 1 CYS-2022a",
    "species, wasps, ants & bees",
    "7. Paralabellula curvicauda",
    "species, earwigs",
    "8. Paralabellula",
    "genus, earwigs",
    "9. Pristiphora sp.",
    "species, hymenopterans",
    "10. Phyllotreta flexuosa",
    "species, beetles"
  )
)

# 2. 按奇偶位置拆分两类数据
# 取奇数行，用正则移除开头的数字编号、点和空格，得到干净物种名
col_x <- gsub("^[0-9]+\\.\\s", "", raw_df$x[c(TRUE, FALSE)])
# 取偶数行，直接得到类群属性
col_y <- raw_df$x[c(FALSE, TRUE)]

# 3. 组装为最终两列数据框
result <- data.frame(
  x = col_x,
  y = col_y
)

代码逻辑说明：

• 逻辑向量c(TRUE, FALSE)会自动循环匹配向量长度，依次取出所有奇数位置的元素；c(FALSE, TRUE)同理取出所有偶数位置元素
• 正则规则^[0-9]+\\.\\s匹配行首的1个或多个数字、紧跟的英文点、以及点后的空格，替换为空即可清除编号前缀

方案2：tidyverse实现（适配管道化数据处理工作流） #

如果日常数据处理使用tidyverse生态，可通过以下代码实现，逻辑更易读，方便后续衔接其他数据处理步骤：

library(dplyr)
library(stringr)
library(tidyr)

result <- raw_df %>%
  # 生成行号标记
  mutate(row_num = row_number()) %>%
  # 为两两配对的行分配相同分组ID
  mutate(pair_id = ceiling(row_num / 2)) %>%
  # 标记每行属于物种名/类群属性
  mutate(col_type = ifelse(row_num %% 2 == 1, "x", "y")) %>%
  # 宽表转换为两列结构
  pivot_wider(id_cols = pair_id, names_from = col_type, values_from = x) %>%
  # 清理物种名的编号前缀
  mutate(x = str_remove(x, "^[0-9]+\\.\\s")) %>%
  # 移除辅助列
  select(-pair_id)

效果参考 #

处理完成后得到的两列结构化数据效果如下：

注意事项 #

• 如果读入的原始数据包含第一行列名x，需要在拆分前先过滤掉第一行表头，避免数据错位
• 上述正则规则可兼容1位、多位数字的编号格式，无需额外调整

内容的提问来源于stack exchange，提问作者Pedro Alexander Velasquez Vasc