如何用tidyr::separate仅拆分R数据框中最后n个分隔实例？

这个问题很常见——当拆分的分隔符在目标列的不同位置出现，而我们只想保留最后几个拆分结果时，调整正则表达式就能完美解决！

你可以用tidyr::extract()代替separate()，通过正则捕获组精准匹配你想要的三个部分：前面包含下划线的内容作为varName，倒数第二个下划线后的无下划线内容作为treatment，最后一个下划线后的内容作为canopyPosition。

直接看代码：

library(dplyr)
library(tidyr)

tmp2 <- data.frame( 
  varTreatName = c( 
    "resp_Nadd_belowCanopy", 
    "resp_NPadd_belowCanopy" , 
    "resp_sd_Nadd_belowCanopy", 
    "resp_sd_NPadd_belowCanopy"
  )
)

tmp2 %>%
  extract(
    varTreatName, 
    into = c("varName", "treatment", "canopyPosition"),
    # 正则逻辑说明：
    # ^(.+) ：匹配开头所有内容（包含下划线），作为varName
    # _([^_]+) ：匹配倒数第二个下划线后的无下划线内容，作为treatment
    # _([^_]+)$ ：匹配最后一个下划线后的结尾内容，作为canopyPosition
    regex = "^(.+)_([^_]+)_([^_]+)$",
    remove = TRUE # 移除原列，可选，默认值为TRUE
  )

执行后得到的结果完全符合你的预期：

varName treatment canopyPosition
1     resp      Nadd    belowCanopy
2     resp     NPadd    belowCanopy
3 resp_sd      Nadd    belowCanopy
4 resp_sd     NPadd    belowCanopy

如果坚持想用separate()，也可以通过正则指定拆分的位置——只匹配倒数第二个和最后一个下划线：

tmp2 %>%
  separate(
    varTreatName,
    into = c("varName", "treatment", "canopyPosition"),
    # 正则逻辑说明：
    # _(?=[^_]+_[^_]+$) ：正向先行断言，仅匹配倒数第二个下划线（确保后面还有一组下划线内容）
    # _ ：匹配最后一个下划线
    sep = c("_(?=[^_]+_[^_]+$)", "_"),
    extra = "merge"
  )

内容的提问来源于stack exchange，提问作者Thomas Wutzler