时间戳

首页 > 解决方案 > 如何用重复的分隔符分割字符串？

r - 如何用重复的分隔符分割字符串？

问题描述

我有以下格式的电影名称列表：

电影名称
Ace Ventura: When Nature Calls (1995)

十二只猴子（又名 12 只猴子）（1995 年）

七（又名 Se7en）（1995）

French Twist (Gazon maudit) (1995)

布朗克斯的隆隆声 (Hont faan kui) (1995)

我正在尝试拆分年份并形成一个新列。

数据。
注：由用户 Rui Barradas 编辑

x <- scan(what = character(), text = '
"Ace Ventura: When Nature Calls (1995)"
"Twelve Monkeys (a.k.a. 12 Monkeys) (1995)"
"Seven (a.k.a. Se7en) (1995)"
"French Twist (Gazon maudit) (1995)"
"Rumble in the Bronx (Hont faan kui) (1995)"
')

标签： rregex

解决方案

您可以使用separate()包的功能tidyr通过所需的分隔符拆分 data.frame 中的列。

正如其他人所说，您可以使用正则表达式来查找数据中的模式。下面我用来(?=\\(\\d{4}\\))在括号内查找 4 位数字的模式（并将其设置为分隔符）。您可以将其与积极的前瞻 ?=结合起来寻找模式，但保留它以供以后使用。

# load package tidyr
require(tidyr)

# your data
x <- scan(what = character(), text = '
"Ace Ventura: When Nature Calls (1995)"
"Twelve Monkeys (a.k.a. 12 Monkeys) (1995)"
"Seven (a.k.a. Se7en) (1995)"
"French Twist (Gazon maudit) (1995)"
"Rumble in the Bronx (Hont faan kui) (1995)"
')

# to data.frame
x <- as.data.frame(x)

# split by delimiter (4 digits within parenthesis)
# and create two columns - movie name and year
x <- separate(x, col = x, into = c('movie', 'year'), 
         sep = "(?=\\(\\d{4}\\))")

输出

> x
                                 movie   year
1      Ace Ventura: When Nature Calls  (1995)
2  Twelve Monkeys (a.k.a. 12 Monkeys)  (1995)
3                Seven (a.k.a. Se7en)  (1995)
4         French Twist (Gazon maudit)  (1995)
5 Rumble in the Bronx (Hont faan kui)  (1995)

如果您愿意，您可以稍后去掉年份列中的括号。

x$year <- gsub("[\\(|\\)]", "", x$year)

> x
                                 movie year
1      Ace Ventura: When Nature Calls  1995
2  Twelve Monkeys (a.k.a. 12 Monkeys)  1995
3                Seven (a.k.a. Se7en)  1995
4         French Twist (Gazon maudit)  1995
5 Rumble in the Bronx (Hont faan kui)  1995

推荐阅读