Tengo un Data Frame parecido a este
y<-c(" Golden State WarriorsGSW ", " Brooklyn NetsBKN", "Philadelphia 76ersPHI")
¿De qué manera podría separar las tres letras finales que están en mayúsculas y crear una nueva columna?
Muchas gracias
Si esas tres letras siempre están al final de la cadena lo más fácil es hacer por posiciones.
y <-c (" Golden State WarriorsGSW ",
" Brooklyn NetsBKN",
"Philadelphia 76ersPHI")
library(tidyverse) #Carga stringr que tienes las funcioones str_*
y <- str_squish(y) #Elimino espacio en blanco al pcipio y al final, si no podrían estar movidas las posiciones.
código <- str_sub( y, -3, -1) #Captura los tres último caracteres
nombre <- str_sub(y, 1, -4) # Captura desde el primer caracter hasta el -4, justo antes de empezar el código.
Quizás se puede encontrar una función de split por posición, pero estas funciones son bien simples al poder usar el signo menos y tomar como referencia al final de la cadena.
Si estás trabajando dentro de un data.frame sería más conveniente tidyr::separate()
.
tibble(y=y) %>%
mutate(y = str_squish(y)) %>%
separate(y, into = c("nombre", "código"), -3)
# A tibble: 3 x 2
nombre código
<chr> <chr>
1 Golden State Warriors GSW
2 Brooklyn Nets BKN
3 Philadelphia 76ers PHI
Lo podrías resolver con un poco de patrones regulares:
unlist(regmatches(y, regexec("[[:upper:]]{3}\\b", y)))
[1] "GSW" "BKN" "PHI"
El patrón "[[:upper:]]{3}\\b"
representa la coincidencia de 3 letras mayúsculas junto con el final de una palabra. El uso combinado de regmatches()
y regexec()
permiten extraer las palabras deseadas.