如何防止 tidyr 單獨的 function 拉入行號然后丟棄數據

Question

每當遇到大寫字母而不刪除字母時，我都試圖編寫一行代碼來分隔文本字符串。 我采取的方法如下：

set.seed(1)

# create a dataframe of fused alpha numeric codes that I wish to separate
df1 <- as.data.frame(matrix(
    paste0(sample(LETTERS, 20, replace = TRUE), sample(seq(1, 7, 0.1), 20, replace = TRUE)), 
    nrow = 10)) %>% unite(col = "ab", sep = "")
df1

# Add a space (" ") before any captial letter encountered
df2 <- df1 %>% mutate(ab = gsub('([[:upper:]])', ' \\1', ab))
df2

# use separate to split the column based on the space
df3 <- df2 %>% separate(col=ab, into=c("a", "b"), sep = " ")
df3

當我separate運行時，我收到警告並且 output 不正確：

#Warning message:
#Expected 2 pieces. Additional pieces discarded in 10 rows [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]. 
#> df3
#   a    b
#1      Y3
#2    D4.6
#3      G5
#4    A3.4
#5    B5.5
#6    W4.6
#7    K4.6
#8    N4.3
#9    R5.1
#10   S3.4

用於“a”列的內容已放在“b”列，而用於“b”的內容似乎已完全刪除。

Answer 1

另一種選擇是從一開始就制作更精確的正則表達式。

例如

df1 |>
 separate(col  = ab,
          into = c("a", "b"),
          sep  = "(?<=\\d)(?=[[:upper:]])")

Output：

      a    b
1  B1.8 Z4.3
2    M5 U6.7
3    N5 Q5.1
4  V4.9 B6.5
5    N4 V1.2
6  H2.8 J5.1
7  Q3.6 J1.3
8  J3.8 G2.9
9  B1.2 W4.7
10 L1.6 O3.5

Answer 2

這是因為您在第一個字母之前創建了一個空格：要刪除它，您可以使用trimws或str_trim ：

df1 %>% 
  mutate(ab = trimws(gsub('([[:upper:]])', ' \\1', ab))) %>%
  separate(col=ab, into=c("a", "b"), sep = " ")

      a    b
1    Y3 A5.3
2  D4.6 U2.4
3    G5 U4.2
4  A3.4 J2.9
5  B5.5 V4.4
6  W4.6 N1.5
7  K4.6 J1.9
8  N4.3 G5.1
9  R5.1 I4.7
10 S3.4 O5.6

Answer 3

后來我發現行號被包含為一列，我可以通過確認和刪除“n”列來解決這個問題：

df3 <- df2 %>% separate(col=ab, into=c("n", "a", "b"), sep = " ") %>% 
  select(-n)
df3

但是，這很冗長，而且我看不到任何以前的文獻或文檔在separate的 . 我是否遺漏了什么，是否有更簡潔的方法來防止這種行為？