我正在使用一个大型数据集(约1500行),并且在构建数据集时,我并没有考虑过分离标识符,因此将它们归为一个长字符串。
标识字符串在标记为“ Polygon_Name”的列中。我想保留此列,并将该列中的字符串值拆分为3个其他列。
因此,举例来说,如果某个“ Polygon_Name”单元格中嵌入了一个数字(例如Canker14B),那么我想以以下几列结尾:(1)原始的Polygon_Name,(2)该数字之前的所有文本,( 3)数字,(4)数字之后的所有文字。
我的数据的一小部分:
df <- structure(list(Bolt_ID = structure(c(1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L), .Label = "N1T.3.4.15.0.C", class = "factor"),
Polygon_Name = structure(c(10L, 1L, 9L, 6L, 3L, 7L, 2L, 8L,
4L, 5L), .Label = c("C", "Canker15B", "Canker15Left", "Canker15Right",
"Canker16", "Canker17", "CankS15B", "CankS16", "CankS17",
"S"), class = "factor"), Measure = c(19.342, 25.962, 0.408,
0.008, 0.074, 0.41, 0.011, 0.251, 0.056, 0.034)), .Names = c("Bolt_ID",
"Polygon_Name", "Measure"), row.names = c(1L, 2L, 4L, 5L, 6L,
7L, 8L, 9L, 10L, 11L), class = "data.frame")
电流输出:
最终输出(我手动构建):
我想出了如何使用以下代码提取数字:
library(stringr)
regexp <- "[[:digit:]]+"
df$Poly_Num <- str_extract(df$Polygon_Name, regexp)
但是我仍然在努力在数字前后插入文本。任何想法将不胜感激。
通过一个想法tidyverse
是
library(tidyverse)
df %>%
mutate(Poly_num = gsub('\\D+', '', Polygon_Name)) %>%
separate(Polygon_Name, into = c('Poly_type', 'Poly_letter'), sep = '[0-9]+', remove = FALSE)
# Bolt_ID Polygon_Name Poly_type Poly_letter Measure Poly_num
#1 N1T.3.4.15.0.C S S <NA> 19.342
#2 N1T.3.4.15.0.C C C <NA> 25.962
#3 N1T.3.4.15.0.C CankS17 CankS 0.408 17
#4 N1T.3.4.15.0.C Canker17 Canker 0.008 17
#5 N1T.3.4.15.0.C Canker15Left Canker Left 0.074 15
#6 N1T.3.4.15.0.C CankS15B CankS B 0.410 15
#7 N1T.3.4.15.0.C Canker15B Canker B 0.011 15
#8 N1T.3.4.15.0.C CankS16 CankS 0.251 16
#9 N1T.3.4.15.0.C Canker15Right Canker Right 0.056 15
#10 N1T.3.4.15.0.C Canker16 Canker 0.034 16
一个一衬垫是使用extract
从tidyr
(@docendodiscimus的致意)
tidyr::extract(df, Polygon_Name, c("a","b","c"), "^([^0-9]+)(\\d*)([^0-9]*)$",
remove = FALSE, convert = TRUE)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句