隔离 r 数据框中的部分文本

Question

>我有一个 r 数据框，在一列中包含美国州和县名称。 数据的格式为：

United States - State name - County name

其中每个像元都是一个唯一的县。 例如：

United States - North Carolina - Wake County
United States - North Carolina - Warren County
etc.

我需要将列分成 2 列，一列仅包含州名，另一列仅包含县名。 我已经尝试了 sub 和 gsub，但没有得到任何结果。我知道这对 r 专家来说可能是一件简单的事情，但我是新手。 如果有人能指出我正确的方向，我将不胜感激。

Answer 1

你可以使用 tidyr 的separate函数：

library(tidyr)
df <- separate(df, currentColumn, into = c("Country", "State", "County"), sep = " - ")

如果数据与您在问题中显示的一样（包括美国作为国家/地区），并且您的数据框称为 df，并且包含数据的当前列称为 currentColumn。

例：

df <- data.frame(currentColumn = c("United States - North Carolina - Wake County",
 "United States - North Carolina - Warren County"), val = rnorm(2))
df
#                                   currentColumn       val
#1   United States - North Carolina - Wake County 0.8173619
#2 United States - North Carolina - Warren County 0.4941976
separate(df, currentColumn, into = c("Country", "State", "County"), sep = " - ")
#        Country          State        County       val
#1 United States North Carolina   Wake County 0.8173619
#2 United States North Carolina Warren County 0.4941976

Answer 2

使用 read.table ，并假设您的数据在df$var

read.table(text=df$var,sep="-",strip.white=TRUE,
           col.names=c("Country","State","County"))

如果速度是一个问题，那么strsplit会快得多：

setNames(data.frame(do.call(rbind,strsplit(df$var,split=" - "))),
         c("Country","State","County"))

两者都给出：

#        Country          State        County
#1 United States North Carolina   Wake County
#2 United States North Carolina Warren County