R语言使用separate函数拆分汽车名称列出现内容错位问题

问题原因 #

原代码使用separate()按空格固定拆分为3列，会将车型内部包含的空格识别为拆分分隔符，导致车型、配置版本列错位。

核心拆分逻辑 #

符合业务规则的拆分规则为：

• 第一个空格前的内容为品牌（Make）
• 最后一个空格后的内容为配置版本（Variant）
• 两段中间的所有内容（允许包含空格）为车型（Model）

推荐解决方案：使用tidyr::extract()正则匹配拆分 #

extract()支持按正则分组直接提取对应列，适配可变长度的车型内容，代码如下：

library(tidyverse)

new_data_split = new_working %>%
  extract(
    col = Name,
    into = c("Make", "Model", "Variant"),
    # 正则分组规则：(品牌) 中间任意内容(车型) (配置版本)
    regex = "^(\\S+)\\s+(.*)\\s+(\\S+)$",
    remove = FALSE
  )

边界兼容调整 #

如果存在部分条目没有配置版本（仅包含品牌+车型），可调整正则为可选匹配，缺失的Variant自动填充为NA：

new_data_split = new_working %>%
  extract(
    col = Name,
    into = c("Make", "Model", "Variant"),
    regex = "^(\\S+)\\s+(.*?)(?:\\s+(\\S+))?$",
    remove = FALSE
  )

效果验证 #

针对示例Suzuki Wagon R VXL，拆分结果为：

• Make: Suzuki
• Model: Wagon R
• Variant: VXL
  完全符合业务预期。

内容的提问来源于stack exchange，提问作者ahad lone