创建带有多个分隔符的两列 [英] Create two column with multiple separators

问题描述

我有一个数据框，例如

  COl1 
 scaffold_97606_2-BACs _-__ SP1_1 
 UELV01165908.1_2-BACs _ + __ SP2_2 
 UXGC01046554.1_9-702 _ + __ SP3_3 
 scaffold_12002_1087-1579 _-__ SP4_4 
  

我想将它们分为两列并得到：

  COL1 COL2 
 scaffold_97606 2-BACs _-__ SP1_1 
 UELV01165908.1 2-BACs_ + __ SP2_2 
 UXGC01046554.1 9-702 _ + __ SP3_3 
 scaffold_12002 1087-1579 _-__ SP4_4 
  

so如您所见，分隔符更改可能是 .Number _ 或 Number_Number

到目前为止，我写过；

  df2<-df1％>％
独立的（COL1，paste0（'col'，1 ：2），sep =分隔符模式，extra =合并）
  

但我不知道知道在此处应使用什么分隔符分隔符样式 $ b




解决方案

您可以使用

 > df1％&％;％
独立（COl1，paste0（'col'，1：2），sep =（？< = \\d）_（？= \\d +-） ，extra = merge）
 col1 col2 
 1 scaffold_97606 2-BACs _-__ SP1_1 
 2 UELV01165908.1 2-BACs _ + __ SP2_2 
 3 UXGC01046554.1 9- 702 _ + __ SP3_3 
 4 scaffold_12002 1087-1579 _-__ SP4_4 
  

请参见 regex演示

模式详细信息

• （？< = \d）-向后看是正数，需要立即在当前位置的左侧输入数字


• _ -下划线


• （？= \d +- ）-一个正向的超前查询，需要一位或多位数字，然后紧接当前位置右侧的-。

I have a dataframe such as

COl1
scaffold_97606_2-BACs_-__SP1_1
UELV01165908.1_2-BACs_+__SP2_2
UXGC01046554.1_9-702_+__SP3_3
scaffold_12002_1087-1579_-__SP4_4

and I would like to separate both into two columns and get :

COL1           COL2 
scaffold_97606 2-BACs_-__SP1_1
UELV01165908.1 2-BACs_+__SP2_2
UXGC01046554.1 9-702_+__SP3_3
scaffold_12002 1087-1579_-__SP4_4

so as you can see the separator changes it can be .Number_ or Number_Number

So far I wrote ;

df2 <- df1 %>%
    separate(COL1, paste0('col', 1:2), sep = " the separator patterns ", extra = "merge")

but I do not know what separator I should use here in the " the separator patterns "part

解决方案

You may use

> df1 %>%
    separate(COl1, paste0('col', 1:2), sep = "(?<=\\d)_(?=\\d+-)", extra = "merge")
            col1               col2
1 scaffold_97606    2-BACs_-__SP1_1
2 UELV01165908.1    2-BACs_+__SP2_2
3 UXGC01046554.1     9-702_+__SP3_3
4 scaffold_12002 1087-1579_-__SP4_4

See the regex demo

Pattern details

• (?<=\d) - a positive lookbehind that requires a digit immediately to the left of the current location
• _ - an underscore
• (?=\d+-) - a positive lookahead that requires one or more digits and then a - immediately to the right of the current location.

这篇关于创建带有多个分隔符的两列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！