R 基于第二个空格的条件数据帧字符串拆分
我有一个数据框，我想将第一列的文本字符串拆分为两列，但只在序列中的第二个空格之后。以下是一个示例：R 基于第二个空格的条件数据帧字符串拆分,r,string,tidyr,data-cleaning,R,String,Tidyr,Data Cleaning,我有一个数据框，我想将第一列的文本字符串拆分为两列，但只在序列中的第二个空格之后。以下是一个示例： test22 Ticker 1 Current SharePrice $6.57 MFM 2 Current NAV $7.11 MFM 3 Current Premium/Discount -7.59% MFM 4 52WkAvg SharePrice $6.55
test22 Ticker
1 Current SharePrice $6.57 MFM
2 Current NAV $7.11 MFM
3 Current Premium/Discount -7.59% MFM
4 52WkAvg SharePrice $6.55 MFM
5 52WkAvg NAV $7.21 MFM
6 52WkAvg Premium/Discount -9.19% MFM
，子项read.csvout <- cbind(read.csv(text = sub(" (\\S+)$", ",\\1", df1$test22),
header = FALSE, stringsAsFactors = FALSE), df1[2])
out
#. V1 V2 Ticker
#1 Current SharePrice $6.57 MFM
#2 Current NAV $7.11 MFM
#3 Current Premium/Discount -7.59% MFM
#4 52WkAvg SharePrice $6.55 MFM
#5 52WkAvg NAV $7.21 MFM
#6 52WkAvg Premium/Discount -9.19% MFM
df1base中的一个选项是使用sub
创建一个分隔符，
，然后使用read.csv
：
out <- cbind(read.csv(text = sub(" (\\S+)$", ",\\1", df1$test22),
header = FALSE, stringsAsFactors = FALSE), df1[2])
out
#. V1 V2 Ticker
#1 Current SharePrice $6.57 MFM
#2 Current NAV $7.11 MFM
#3 Current Premium/Discount -7.59% MFM
#4 52WkAvg SharePrice $6.55 MFM
#5 52WkAvg NAV $7.21 MFM
#6 52WkAvg Premium/Discount -9.19% MFM
数据
df1这里有一个使用strsplit的选项
data.frame(do.call(rbind, strsplit(df$test22, '\\s(?!.*\\s)', perl = TRUE)),
Ticker=df$Ticker)
# X1 X2 Ticker
# 1 Current SharePrice $6.57 MFM
# 2 Current NAV $7.11 MFM
# 3 Current Premium/Discount -7.59% MFM
# 4 52WkAvg SharePrice $6.55 MFM
# 5 52WkAvg NAV $7.21 MFM
# 6 52WkAvg Premium/Discount -9.19% MFM
或使用gsub
gsub('.*\\s.*?\\s(.*)','\\1', df$test22, perl = TRUE)
# [1] "$6.57" "$7.11" "-7.59%" "$6.55" "$7.21" "-9.19%"
# or if factors
# gsub('.*\\s.*?\\s(.*)','\\1', as.character(df$test22), perl = TRUE)
第二个字符的优点是它真正考虑了第二个空格字符（与最后一个空格相对）。这里有一个使用strsplit的选项
data.frame(do.call(rbind, strsplit(df$test22, '\\s(?!.*\\s)', perl = TRUE)),
Ticker=df$Ticker)
# X1 X2 Ticker
# 1 Current SharePrice $6.57 MFM
# 2 Current NAV $7.11 MFM
# 3 Current Premium/Discount -7.59% MFM
# 4 52WkAvg SharePrice $6.55 MFM
# 5 52WkAvg NAV $7.21 MFM
# 6 52WkAvg Premium/Discount -9.19% MFM
或使用gsub
gsub('.*\\s.*?\\s(.*)','\\1', df$test22, perl = TRUE)
# [1] "$6.57" "$7.11" "-7.59%" "$6.55" "$7.21" "-9.19%"
# or if factors
# gsub('.*\\s.*?\\s(.*)','\\1', as.character(df$test22), perl = TRUE)
第二个字符的优点是它真正考虑了第二个空格字符（与最后一个空格相对）。这里有一个使用dplyr
和stringr
的选项：
library(dplyr)
library(stringr)
data <-
tibble(test22 = c("Current SharePrice $6.57",
"Current NAV $7.11",
"Current Premium/Discount -7.59%",
"52WkAvg SharePrice $6.55",
"52WkAvg NAV $7.21",
"52WkAvg Premium/Discount -9.19%"),
Ticker = "MFM")
data %>%
mutate(category = str_replace(test22, "^(.+ .+) (.+)$", "\\1"),
price_pc = str_replace(test22, "^(.+ .+) (.+)$", "\\2"))
# A tibble: 6 x 4
test22 Ticker category price_pc
<chr> <chr> <chr> <chr>
1 Current SharePrice $6.57 MFM Current SharePrice $6.57
2 Current NAV $7.11 MFM Current NAV $7.11
3 Current Premium/Discount -7.59% MFM Current Premium/Discount -7.59%
4 52WkAvg SharePrice $6.55 MFM 52WkAvg SharePrice $6.55
5 52WkAvg NAV $7.21 MFM 52WkAvg NAV $7.21
6 52WkAvg Premium/Discount -9.19% MFM 52WkAvg Premium/Discount -9.19%
库（dplyr）
图书馆（stringr）
数据%
突变（类别=str_替换（test22，“^（+++）（++）$”，“\\1”），
价格pc=str替换（test22，“^（+.+）（.+）$”，“\\2”））
#一个tibble:6x4
test22股票类别价格\u pc
1当前股价$6.57 MFM当前股价$6.57
2当前资产净值7.11美元MFM当前资产净值7.11美元
3当前溢价/折扣-7.59%MFM当前溢价/折扣-7.59%
4 52WkAvg股价$6.55 MFM 52WkAvg股价$6.55
5 52周平均资产净值$7.21 MFM 52周平均资产净值$7.21
6 52WkAvg溢价/折扣-9.19%MFM 52WkAvg溢价/折扣-9.19%
编辑：对所用正则表达式的解释
暂时忽略括号：
^=字符串的开头
=除新行以外的任何字符
+=至少一个前一个字符（在本例中，除新行以外的任何字符）
$=字符串末尾
因此，“^（+.+）（.+）$”
查找以字符开头的字符串，然后是空格，然后是字符，然后是空格，然后是更多字符，最后是结束
括号被添加为“捕获组”，这意味着查询“记住”由这些括号表示的字符串部分，并且可以通过引用括号的顺序来提取。因此，“\\1”
返回第一个括号捕获的内容，“\\2”
返回第二个括号捕获的内容
学习正则表达式的一个好资源是。这里有一个使用dplyr
和stringr
的选项：
library(dplyr)
library(stringr)
data <-
tibble(test22 = c("Current SharePrice $6.57",
"Current NAV $7.11",
"Current Premium/Discount -7.59%",
"52WkAvg SharePrice $6.55",
"52WkAvg NAV $7.21",
"52WkAvg Premium/Discount -9.19%"),
Ticker = "MFM")
data %>%
mutate(category = str_replace(test22, "^(.+ .+) (.+)$", "\\1"),
price_pc = str_replace(test22, "^(.+ .+) (.+)$", "\\2"))
# A tibble: 6 x 4
test22 Ticker category price_pc
<chr> <chr> <chr> <chr>
1 Current SharePrice $6.57 MFM Current SharePrice $6.57
2 Current NAV $7.11 MFM Current NAV $7.11
3 Current Premium/Discount -7.59% MFM Current Premium/Discount -7.59%
4 52WkAvg SharePrice $6.55 MFM 52WkAvg SharePrice $6.55
5 52WkAvg NAV $7.21 MFM 52WkAvg NAV $7.21
6 52WkAvg Premium/Discount -9.19% MFM 52WkAvg Premium/Discount -9.19%
库（dplyr）
图书馆（stringr）
数据%
突变（类别=str_替换（test22，“^（+++）（++）$”，“\\1”），
价格pc=str替换（test22，“^（+.+）（.+）$”，“\\2”））
#一个tibble:6x4
test22股票类别价格\u pc
1当前股价$6.57 MFM当前股价$6.57
2当前资产净值7.11美元MFM当前资产净值7.11美元
3当前溢价/折扣-7.59%MFM当前溢价/折扣-7.59%
4 52WkAvg股价$6.55 MFM 52WkAvg股价$6.55
5 52周平均资产净值$7.21 MFM 52周平均资产净值$7.21
6 52WkAvg溢价/折扣-9.19%MFM 52WkAvg溢价/折扣-9.19%
编辑：对所用正则表达式的解释
暂时忽略括号：
^=字符串的开头
=除新行以外的任何字符
+=至少一个前一个字符（在本例中，除新行以外的任何字符）
$=字符串末尾
因此，“^（+.+）（.+）$”
查找以字符开头的字符串，然后是空格，然后是字符，然后是空格，然后是更多字符，最后是结束
括号被添加为“捕获组”，这意味着查询“记住”由这些括号表示的字符串部分，并且可以通过引用括号的顺序来提取。因此，“\\1”
返回第一个括号捕获的内容，“\\2”
返回第二个括号捕获的内容
学习正则表达式的一个很好的资源是。我得到了以下错误，但我将其应用于一个大数据帧：strsplit中的错误（df6$test22，“\\s（？）*\\s）”，perl=TRUE）：非字符argument@js80因为你有很多因素。尝试：as.character（df$test22）
instrsplit
而不是df$test22
。或者尝试scond选项。我得到了以下错误，但我将其应用于一个大数据帧：strsplit中的错误（df6$test22，“\\s（？。*\\s）”，perl=TRUE）：非字符argument@js80因为你有很多因素。尝试：as.character（df$test22）
instrsplit
而不是df$test22
。或者试试scond选项。不用担心@js80。如果你能解释一下语法：^（+.+）（.+）$”，“\\1”@js80在上面加了一个解释，因为它太冗长了，不适合评论。简而言之：它是正则表达式。不用担心@js80。如果你能解释一下语法：^（+.+）（.+）$”，“\\1”？@js80在上面添加了一个解释，因为它太罗嗦了，无法发表评论。简言之：这是正则表达式。