3

Tendo un df que tiene una columna como la siguiente:

      COL1
     x2000_0_14  
     x3_15_29    
     x4_30_44    
     x5_45_64    
     x6_65_y_mas 
     x2001_0_14  
     x8_15_29    
     x9_30_44    
     x10_45_64   
     x11_65_y_mas

Quiero separar la columna en dos a partir del primer guion, pero que no tenga en cuenta el resto de "_"

separate(datos,COL1, into = c("Col1", "Col2"), sep = "solo el primer _")

Para que quede así

     x2000   0_14  
     x3      15_29    
     x4      30_44    
     x5      45_64    
     x6      65_y_mas 
     x2001   0_14  
     x8      15_29    
     x9      30_44    
     x10     45_64   
     x11     65_y_mas

Datos:

structure(list(COL1 = c("x2000_0_14", "x3_15_29", "x4_30_44", 
    "x5_45_64", "x6_65_y_mas", "x2001_0_14", "x8_15_29", "x9_30_44", 
    "x10_45_64", "x11_65_y_mas")), row.names = c(NA, -10L), class = c("tbl_df", 
    "tbl", "data.frame")) -> datos

2 respuestas 2

3

Una solución relativamente elegante usando tidyr::extract.

datos %>%
  extract(COL1, into = c("Col1", "Col2"), 
          regex = "(.+?)_(.+)", 
          remove = FALSE)

A diferencia de separate, que solo nos permite un regex que hace match con un caracter separador, extract() permite regex que regresa dos grupos.

Traducción coloquial regex-español:

En tu caso quieres un grupo con todos los caracteres que están detrás de _, pero que no siga buscando una vez que lo encontró.

Eso lo hace (.+?)_:, el punto es "cualquier caracter", el + es que siga buscando y el ? es sí, sigue buscando, pero no te pongas ambicioso. Al primero que encuentras te das por satisfecho. El segundo grupo es (.+) es cualquier caracter . y no te detengas +, hasta el final de la línea me traes todo lo que encuentres.

Es relativamente fácil cambiar el separador y llegado al caso indicar que corte con números u otra especificación.

2

Existen múltiples opciones para crear las columnas. Un abordaje simple es usar gsub() para encontrar los caracteres que coincidan según cada columna que deseas crear e indexar dichos vectores como columnas dentro de la tabla.

#' Retira caracteres hasta el primer símbolo de barra inferior '_' y el '+_' remueve también dicho símbolo 

datos$col2 = gsub( "^([^_]+_)", "", datos$COL1)

#' Retira caracteres que tienen al inicio el símbolo "_"

datos$col3 = gsub( "\\_.*", "", datos$COL1)

> datos
           COL1     col2  col3
1    x2000_0_14     0_14 x2000
2      x3_15_29    15_29    x3
3      x4_30_44    30_44    x4
4      x5_45_64    45_64    x5
5   x6_65_y_mas 65_y_mas    x6
6    x2001_0_14     0_14 x2001
7      x8_15_29    15_29    x8
8      x9_30_44    30_44    x9
9     x10_45_64    45_64   x10
10 x11_65_y_mas 65_y_mas   x11 

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.