在r中使用正则表达式将列数据拆分为两个变量

Question

我有这个数据集，我需要将1列分成2个变量-风味和类型:

| column_1           | count |
| ------------------ | ----- |
| total mango juice  | 01    |
| orange juice       | 02    |
| strawberry jam     | 09    |
| total strawberry   | 06    |
| strawberry jelly   | 05    |
| total jelly        | 04    |

我希望这个表是这样的:

| flavour    | type   | count |
| -----------| ------ | ----- |
| mango      | juice  | 01    |
| orange     | juice  | 02    |
| strawberry | jam    | 09    |
| strawberry | N/A    | 06    |
| strawberry | jelly  | 05    |
| N/A        | jelly  | 04    |

我试着四处寻找解决方案，并在R工作室尝试，但无济于事。然而，我们需要使用regex拆分列.

这是否也意味着我必须定义新的变量?

Answer 1

我们可以在创建分隔符并删除'total'后使用separate

library(dplyr)
library(tidyr)
library(stringr)
df1 %>%
mutate(column_1 = str_remove(str_replace(column_1, 
"(.*)\s+(juice|jelly|jam)$", "\1,\2"), '^total\s*')) %>% 
separate(column_1, into = c('flavour', 'type'))

与产出

flavour  type count
1      mango juice     1
2     orange juice     2
3 strawberry   jam     9
4 strawberry  <NA>     6
5 strawberry jelly     5
6            jelly     4

数据

df1 <- structure(list(column_1 = c("total mango juice", "orange juice", 
"strawberry jam", "total strawberry", "strawberry jelly", "total jelly"
), count = c(1L, 2L, 9L, 6L, 5L, 4L)), class = "data.frame", row.names = c(NA, 
-6L))