当行之间的段数不同时，将字符串拆分为三列

Question

我有一个类似于以下reprex的数据框：

test <- data.frame(
age = c("6 hours", "2 days, 4 hours", "1 months3 days, 7 hours")
)

不幸的是，正如您在第 3 行中看到的那样，字符串的三个部分并非全部用逗号分隔。

我的预期输出如下：

age agem aged ageh
1                   6 hours   NA   NA   6
2           2 days, 4 hours   NA    2   4
3 1 months3 days, 7 hours      1    3   7

我试过使用这样的dplyr::separate

new_test <- test %>%
separate(age, c("agem", "ageh", "aged"), sep = "[^[\d]]+", convert = TRUE,
remove = FALSE, fill = "left")

这适用于只有"小时"的条目，但如果有"天和小时"或"月、日和小时"，则输出的顺序是错误的。

任何帮助将不胜感激。

Answer 1

您可以使用包中的str_extractstringr和积极的展望(?= ...)：

test$agem <- str_extract(test$age, "\d+(?=\smonth)")
test$aged <- str_extract(test$age, "\d+(?=\sday)")
test$ageh <- str_extract(test$age, "\d+(?=\shour)")

结果：

test
age agem aged ageh
1                 6 hours <NA> <NA>    6
2         2 days, 4 hours <NA>    2    4
3 1 months3 days, 7 hours    1    3    7

Answer 2

首先，在字母字符和数字之间没有分隔符的地方包含一个分隔符。然后tidyr::separate成列。

library(tidyverse)
test %>%
mutate(age = gsub("([[:alpha:]])([[:digit:]])", "\1, \2", age)) %>%
separate(age, into = c('agem', 'aged', 'ageh'), 
sep = ', ',
convert = TRUE,
remove = FALSE, fill = "left") %>%
mutate_at(vars(matches('age[[:alpha:]]')), function(x) as.numeric(gsub('[^[:digit:]]', '', x)))
#                        age agem aged ageh
#1                   6 hours   NA   NA    6
#2           2 days, 4 hours   NA    2    4
#3 1 months, 3 days, 7 hours    1    3    7