R语言拆分结构不同的列提取姓氏和城市的解决方案

由于你的数据列结构不统一，用固定列数的separate()拆分无法适配不同行的字段数量，直接按规则用正则提取是更高效的方案，适配性更强：

方案1：tidyverse 套件实现（推荐） #

借助stringr的正则提取函数直接匹配目标内容，无需拆分多列：

# 加载依赖包
library(tidyverse)

df <- df %>%
  mutate(
    # 提取第一个逗号前的内容作为姓氏
    姓氏 = str_extract(Name, "^[^,]+"),
    # 提取最后一个空格后、末尾英文句号前的内容作为城市
    城市 = str_extract(Name, "(?<= )[^ ]+(?=\\.$)")
  )

规则说明： #

• 姓氏正则^[^,]+：从字符串开头匹配所有非逗号字符，正好对应第一个逗号前的内容
• 城市正则(?<= )[^ ]+(?=\\.$)：先匹配最后一个空格的位置，再读取所有非空格字符，直到字符串末尾的英文句号为止，正好命中目标城市字段

方案2：基础R实现（无需加载第三方包） #

用基础的正则替换函数也可以实现相同效果：

# 提取姓氏
df$姓氏 <- sub(",.*", "", df$Name)
# 提取城市
df$城市 <- sub(".* (.*)\\.$", "\\1", df$Name)

如果存在部分行不符合规则导致提取出NA的情况，可以额外加过滤或异常值修正逻辑处理即可。

内容的提问来源于stack exchange，提问作者Serena