如何编写R函数提取str_split()分割结果中指定位置的后续元素？

通用可复用函数实现 #

基于tidyverse生态封装的通用分割提取函数，支持自定义指定任意位置的元素提取、多结果自动拼接：

library(tidyverse)

str_split_extract <- function(x, split_pattern = " ", indices, collapse = NULL) {
  # 分割字符串后提取指定位置元素
  res <- purrr::map(str_split(x, split_pattern), ~.x[indices])
  # 若指定拼接符则将多元素合并为单个字符串
  if (!is.null(collapse)) {
    res <- purrr::map_chr(res, paste, collapse = collapse)
  }
  return(res)
}

场景使用示例 #

提取示例数据中生物双名法（分割后的第3、4位元素，空格拼接）的使用方法：

# 构造示例数据
foo <-  data.frame(id = paste0("a", 1:6),
                   Organisms = c("EA - Enterobacter aerogenes",  "EA - Enterobacter aerogenes",
                                 "KP - Klebsiella pneumoniae", "ACBA - Acinetobacter baumannii",
                                 "ENC - Enterobacter cloacae", "KP - Klebsiella pneumoniae")) 

# 配合dplyr管道生成新列
foo <- foo %>% 
  mutate(organism_binomial = str_split_extract(Organisms, indices = c(3,4), collapse = " "))

参数说明 #

• x: 待处理的字符串向量
• split_pattern: 分割规则，支持正则表达式，默认按空格分割
• indices: 要提取的元素位置向量，支持任意位置组合，例如c(2,5)、1:3均可传入
• collapse: 多元素拼接符，设置为NULL时返回列表格式的提取结果，设置为空格、下划线等字符时会将同一条的多个提取结果拼接为单个字符串

内容的提问来源于stack exchange，提问作者Reed