按大小写分隔字符串

Question

我有一个大型的基于文本的数据框（约10万行），其中每一行都是一个字符串，其中包含第一个小写字母，然后是大写字母，中间有空格。如下面：

df1 <- data.frame(a = c('lowercase U P P E R C A S E', 'letters N U M B E R S'))
df1

我正在尝试将字符串变成大写字母，然后将大写字符移到新列中（然后从原始列中删除它们）。所需的输出将如下所示：

df2 <- data.frame(a = c('lowercase', 'letters'),
                  b = c('U P P E R C A S E', 'N U M B E R S'))
df2

我确实不确定从哪里开始做这样的事情。有什么想法吗？

Answer 1

我们可以使用tidyr::extract

tidyr::extract(df1, a, c("a", "b"), "([a-z]+)([A-Z\\s]+)")

#          a                  b
#1 lowercase  U P P E R C A S E
#2   letters      N U M B E R S

Answer 2

有很多不同的方法可以执行此操作，但是其中绝大多数将使用Regular Expressions

在R底下，您可以这样做：

df3 <- data.frame(
         a = gsub(pattern = "^([a-z]+) (([A-Z] )+[A-Z])$", replacement = "\\1", x = df1$a),
         b = gsub(pattern = "^([a-z]+) (([A-Z] )+[A-Z])$", replacement = "\\2", x = df1$a),
         stringsAsFactors = FALSE)

这里，gsub函数正在捕获括在括号中的第一组中的小写字母，然后捕获第二组中的交替大写和空格。然后，它将整个字符串替换为第a列的第一组的内容和第二列的b的内容。

另一种方法，这次使用前瞻和后向，以及separate包中的tidyr函数：

df4 <- tidyr::separate(df1, 
                       col = a, 
                       into = c("a", "b"), 
                       sep = "(?<=[a-z]) (?=[A-Z])")

[这里，(?<=[a-z])是一个匹配任何小写字母的后视，而(?=[A-Z])是一个匹配任何大写字母的前瞻性。因为在向前和向后查找之间有一个空格，所以它将字符串分隔为第一个空格，该空格紧接在小写字母之后，而在大写字母之前，该字符表征了您试图将两列分开的空间创建。