按R中的字母/字符数拆分列标签

Question

我有一个大型数据集，其中所有列标题都是单个IDS，每个IDS长度为8个字符。我想将这些单独的ID分成两行，第一行ID包含前7个字符，第二行仅包含最后一个字符。

当前数据集：

ID1: Indiv01A Indiv01B Indiv02A Indiv02B Speci03A Speci03B 

预期的数据集：

ID1: Indiv01 Indiv01 Indiv02 Indiv02 Speci03 Speci03 
ID2: A B A B A B 

我已经通过对分割数据的其他职位看，但他们似乎都不得不分开列名（一种独特的方式即：用逗号分隔两个组件，或一段时间）。

这是我想会的工作最好的代码，但我无法弄清楚如何为“7个字符”作为分割点代码，而不是一个逗号：

sapply(strsplit(as.character(d$ID), ",")

任何帮助，将不胜感激。

Answer 1

下面是与strsplit解决方案的正则表达式。它分裂的第7和第8个字符的字符串：

ID1 <- c("Indiv01A", "Indiv01B", "Indiv02A", "Indiv02B", "Speci03A", "Speci03B") 

res <- strsplit(ID1, "(?<=.{7})", perl = TRUE) 

# [[1]] 
# [1] "Indiv01" "A"  
# 
# [[2]] 
# [1] "Indiv01" "B"  
# 
# [[3]] 
# [1] "Indiv02" "A"  
# 
# [[4]] 
# [1] "Indiv02" "B"  
# 
# [[5]] 
# [1] "Speci03" "A"  
# 
# [[6]] 
# [1] "Speci03" "B" 

现在，你可以使用rbind创建两列：

do.call(rbind, res) 
#  [,1]  [,2] 
# [1,] "Indiv01" "A" 
# [2,] "Indiv01" "B" 
# [3,] "Indiv02" "A" 
# [4,] "Indiv02" "B" 
# [5,] "Speci03" "A" 
# [6,] "Speci03" "B" 

---

的正则表达式的说明：

(?<=.{7}) 

(?<=)是一个（正面）向后看。它匹配指定模式之前的任何位置。这里的模式是.{7}。点（.）匹配任何字符。 {7}意味着7次。因此，正则表达式匹配前面恰好有7个字符的位置。

Answer 2

有几种方法可以解决这个问题。

要提取的最后一个字符

首先，substr：

new.vec <- sapply(old.vec, function(x) substr(x, nchar(x), nchar(x))) 

，或者与sub：

new.vec <- sub('.*(.)', '\\1', old.vec) 

其中old.vec是要串的矢量分裂。

对于兴趣，后者选项使用regular expression其转换为：“捕获跟随零个或多个其他字符的单个字符（.）（.*）（通过用括号包围表示），并与所捕获的内容替换匹配（\\1）“。有关更多信息，请参见?gsub和here。

上述选项允许改变字符串长度。但是，如果你做总是想后7个字符分割，字符串的第二部分总是有只是一个单一的字符，那么下面应该工作：

new.vec <- substr(old.vec, 8, 8) 

---

（编辑，包括方法提取字符串的第一部分。）

提取所有但最后一个字符

这个过程是相似的。

new.vec <- sapply(old.vec, function(x) substr(x, 1, nchar(x) - 1)) 

new.vec <- sub('(.*).', '\\1', old.vec) 

new.vec <- substr(old.vec, 1, 7) 

Answer 3

这里是一个gsubfn解决方案：

library(gsubfn) 

strapplyc(ID1, "(.*)(.)", simplify = cbind) 

这给出了这样的矩阵：

 [,1]  [,2]  [,3]  [,4]  [,5]  [,6]  
[1,] "Indiv01" "Indiv01" "Indiv02" "Indiv02" "Speci03" "Speci03" 
[2,] "A"  "B"  "A"  "B"  "A"  "B"  

，或者如果你想两列（而不是两行）代替cbind使用rbind。