Dividere una colonna di stringhe (con diversi modelli), basata su due diverse condizioni

Question 1

Speravo di ottenere qualche aiuto con questo problema. Quindi ho una colonna con due tipi di stringhe e avrei bisogno di dividere le stringhe in più colonne con 2 diverse condizioni. Posso capire come dividere individualmente, ma che lotta per aggiungere forse un'istruzione IF per il mio codice. Questo è il set di dati di esempio di seguito:

data = data.frame(string=c("HFUFN-087836_661", "207465-125 - IK_6 Mar 2009.docx_37484956"))

Per il primo tipo di variabile (con l' _). Vorrei dividere dopo l' _. Così ho usato il seguente codice

strsplit(data$string, "-")

Per le variabili che have.docx a loro vorrei dividere dopo la docx. Io non posso dividere basato su di un "_" come viene più volte in questa stringa. Così ho usato il seguente codice:

strsplit(data$string, "x_")

La mia domanda è: questi due tipi di corde appaiono nella stessa colonna. C'è un modo per dire a R se "docx" è la stringa di spalato dopo x_, ma se proprio non dividere il _?

Qualsiasi aiuto sarebbe apprezzato - Grazie ragazzi!

Question 2

Ecco un tidyr soluzione:

library(tidyr)
data %>%
extract(string,
        into = c("1","2"),    # choose your own column labels
        "(.*?)_([^_]+)$")
                                1        2
1                    HFUFN-087836      661
2 207465-125 - IK_6 Mar 2009.docx 37484956

Come la regex opere:

La regex partizioni le stringhe in due "cattura gruppi" più di un carattere di sottolineatura tra:

(.*?): in primo luogo acquisizione di gruppo, corrispondente ad un qualsiasi carattere (.zero o più volte (*) non avidamente (?)
_: letterale carattere di sottolineatura
([^_]+)$: la seconda acquisizione di gruppo, corrispondente ad un qualsiasi carattere che non è un carattere di sottolineatura ([^_]) una o più volte (+) alla fine della stringa ($)

Dati:

data = data.frame(string=c("HFUFN-087836_661", "207465-125 - IK_6 Mar 2009.docx_37484956"))

Chris Ruehlemann · Answer 1 · 2021-11-24T16:36:45

Ecco un tidyr soluzione:

library(tidyr)
data %>%
extract(string,
        into = c("1","2"),    # choose your own column labels
        "(.*?)_([^_]+)$")
                                1        2
1                    HFUFN-087836      661
2 207465-125 - IK_6 Mar 2009.docx 37484956

Come la regex opere:

La regex partizioni le stringhe in due "cattura gruppi" più di un carattere di sottolineatura tra:

(.*?): in primo luogo acquisizione di gruppo, corrispondente ad un qualsiasi carattere (.zero o più volte (*) non avidamente (?)
_: letterale carattere di sottolineatura
([^_]+)$: la seconda acquisizione di gruppo, corrispondente ad un qualsiasi carattere che non è un carattere di sottolineatura ([^_]) una o più volte (+) alla fine della stringa ($)

Dati:

data = data.frame(string=c("HFUFN-087836_661", "207465-125 - IK_6 Mar 2009.docx_37484956"))

Ehi, questo ha funzionato - la ringrazio molto. Se non è troppo lavoro potete per favore spiegare come hai fatto questo? Io non ottenere abbastanza questa parte: ""(.*?)_([^_]+)$")". Grazie mille!
Hanno fornito una spiegazione di come th regex parte funziona

Dividere una colonna di stringhe (con diversi modelli), basata su due diverse condizioni

Domanda

Migliore risposta

In altre lingue

Questa pagina è in altre lingue

Popolare in questa categoria

Domande popolari in questa categoria