在第一個遇到的數字上使用單獨的（tidyr）通過dplyr分離色譜柱

Question

我正在嘗試將一個相當混亂的列分成兩列，其中包含句點和描述 。 我的數據類似於下面的摘錄：

set.seed(1)
dta <- data.frame(indicator=c("someindicator2001", "someindicator2011",
                              "some text 20022008", "another indicator 2003"),
                  values = runif(n = 4))

期望的結果

期望的結果應該是這樣的：

          indicator   period    values
1     someindicator     2001 0.2655087
2     someindicator     2011 0.3721239
3         some text 20022008 0.5728534
4 another indicator     2003 0.9082078

特點

1. 指標描述在一列中
2. 數值（ 與第一個數字從第一個數字計數是在第二列）

碼

require(dplyr); require(tidyr); require(magrittr)
dta %<>%
  separate(col = indicator, into = c("indicator", "period"),
           sep = "^[^\\d]*(2+)", remove = TRUE)

當然這不起作用：

> head(dta, 2)
  indicator period    values
1              001 0.2655087
2              011 0.3721239

其他嘗試

• 我也嘗試了默認的分離方法sep = "[^[:alnum:]]"但是它將列拆分成太多列，因為它似乎匹配所有可用的數字。
• sep = "2*"也不起作用，因為有時候太多2s （例如： 2 003 2 006） 。

---

我想要做的是歸結為：

• 識別字符串中的第一個數字
• 分離該章程。 事實上，我也很樂意保留這個特殊的角色。

Answer 1

我想這可能會這樣做。

library(tidyr)
separate(dta, indicator, c("indicator", "period"), "(?<=[a-z]) ?(?=[0-9])")
#           indicator   period    values
# 1     someindicator     2001 0.2655087
# 2     someindicator     2011 0.3721239
# 3         some text 20022008 0.5728534
# 4 another indicator     2003 0.9082078

以下是regex101為您提供的正則表達式的說明。

• (?<=[az])是一個正面的背后 - 它斷言[az] （匹配a和z之間范圍內的單個字符（區分大小寫））可以匹配
• ? 在字面上匹配前面的空格字符，在零到一次之間，盡可能多次，根據需要返回
• (?=[0-9])是一個正向前瞻 - 它斷言[0-9] （匹配0到9之間范圍內的單個字符）可以匹配