按R中的字母/字符數拆分列標籤

Question

我有一個大型數據集，其中所有列標題都是單個IDS，每個IDS長度爲8個字符。我想將這些單獨的ID分成兩行，第一行ID包含前7個字符，第二行僅包含最後一個字符。

當前數據集：

ID1: Indiv01A Indiv01B Indiv02A Indiv02B Speci03A Speci03B 

預期的數據集：

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

我已經通過對分割數據的其他職位看，但他們似乎都不得不分開列名（一種獨特的方式即：用逗號分隔兩個組件，或一段時間）。

這是我想會的工作最好的代碼，但我無法弄清楚如何爲「7個字符」作爲分割點代碼，而不是一個逗號：

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

任何幫助，將不勝感激。

Answer 1

下面是與strsplit解決方案的正則表達式。它分裂的第7和第8個字符的字符串：

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" 

現在，你可以使用rbind創建兩列：

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

---

的正則表達式的說明：

(?<=.{7}) 

(?<=)是一個（正面）向後看。它匹配指定模式之前的任何位置。這裏的模式是.{7}。點（.）匹配任何字符。 {7}意味着7次。因此，正則表達式匹配前面恰好有7個字符的位置。

Answer 2

有幾種方法可以解決這個問題。

要提取的最後一個字符

首先，substr：

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

，或者與sub：

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

其中old.vec是要串的矢量分裂。

對於興趣，後者選項使用regular expression其轉換爲：「捕獲跟隨零個或多個其他字符的單個字符（.）（.*）（通過用括號包圍表示），並與所捕獲的內容替換匹配（\\1）「。有關更多信息，請參見?gsub和here。

上述選項允許改變字符串長度。但是，如果你做總是想後7個字符分割，字符串的第二部分總是有隻是一個單一的字符，那麼下面應該工作：

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

---

（編輯，包括方法提取字符串的第一部分。）

提取所有但最後一個字符

這個過程是相似的。

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

這裏是一個gsubfn解決方案：

library(gsubfn) 

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

這給出了這樣的矩陣：

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

，或者如果你想兩列（而不是兩行）代替cbind使用rbind。