R Academy · 课时

使用 separate() 和 unite() 处理字符串列

Q: 「使用 separate() 和 unite() 处理字符串列」这节课中我会学到什么？

拆分和合并包含多段信息的列值 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

拆分和合并包含多段信息的列值

使用 separate() 和 unite() 处理字符串列 是 CoddyKit 上的免费 R Academy 课时。这是第 3 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

拆分和合并字符串列

原始数据通常会把多条信息挤在同一列中（例如，'2024-03-15' 包含年、月和日）。tidyr 的 separate() 和 unite() 函数可以将一列拆分为多列，或将多列合并为一列。

library(tidyr)

# Date stored as a single string column
df <- data.frame(
  id = 1:4,
  date = c('2024-01-15','2024-03-22','2023-11-08','2024-06-30'),
  value = c(100, 200, 150, 175)
)

print(df)

separate() — 将一列拆分为多列

separate(df, col, into, sep) 使用分隔符将字符列拆分为多个新列。into 参数用于命名新列；sep 是分隔符（默认值：任何非字母数字字符）。

library(tidyr)

df <- data.frame(
  id = 1:4,
  date = c('2024-01-15','2024-03-22','2023-11-08','2024-06-30')
)

# Split 'date' into year, month, day
separate(
  df,
  col = date,
  into = c('year','month','day'),
  sep = '-'
)

使用 convert 参数调用 separate()

默认情况下，separate() 会创建字符列。设置 convert = TRUE 可将新列自动转换为最合适的类型（整数、数值型或逻辑型）。这对年份列和月份列尤其有用。

library(tidyr)

df <- data.frame(
  event = c('2024-1','2024-2','2023-12'),
  score = c(85, 90, 78)
)

result <- separate(
  df,
  col = event,
  into = c('year','month'),
  sep = '-',
  convert = TRUE
)

print(result)
cat('year type:', class(result$year), '\n')
cat('month type:', class(result$month))

使用 remove = FALSE 调用 separate()

默认情况下，separate() 会移除原始列。设置 remove = FALSE 可在保留原始列的同时添加拆分后的新列。当您希望验证拆分结果，或保留原始列作为参考时，这很有用。

library(tidyr)

df <- data.frame(
  full_code = c('US-CA-001','US-TX-002','UK-LDN-003')
)

separate(
  df,
  col = full_code,
  into = c('country','state','code'),
  sep = '-',
  remove = FALSE   # Keep original column
)

按固定位置调用 separate()

除了使用分隔符，您还可以向 sep 传入整数向量，按固定的字符位置进行拆分。正整数从左侧开始计数，负整数从右侧开始计数。

library(tidyr)

# Product code: first 3 chars = category, next 4 = id
df <- data.frame(
  code = c('ABC1234','XYZ5678','DEF9012'),
  qty = c(10, 20, 15)
)

separate(
  df,
  col = code,
  into = c('category','product_id'),
  sep = 3    # Split after position 3
)

unite() — 将多列合并为一列

unite(df, col, ..., sep) 将多个列合并为一个字符列。在 df 之后的第一个参数是新列名，接着是要合并的列，最后是分隔符字符串。

library(tidyr)

df <- data.frame(
  first = c('Alice','Bob','Carol'),
  last = c('Smith','Jones','White'),
  score = c(85, 90, 78)
)

unite(
  df,
  col = 'full_name',
  first, last,
  sep = ' '
)

使用 remove = FALSE 调用 unite()

与 separate() 类似，unite() 默认会移除源列。设置 remove = FALSE 可在保留原始列的同时添加合并后的新列。当您需要同时保留两种形式时，这很有用。

library(tidyr)

df <- data.frame(
  year = c(2024, 2024, 2023),
  month = c(1, 3, 12),
  day = c(15, 22, 8)
)

unite(
  df,
  col = 'date_str',
  year, month, day,
  sep = '-',
  remove = FALSE
)

使用 unite() 构建键

unite() 的一个常见用途是合并多个标识列来创建复合键。当需要根据多个字段构建共享键以连接表时，这种方法非常有用。

library(tidyr)
library(dplyr)

orders <- data.frame(
  year = c(2024, 2024, 2023),
  region = c('East','West','East'),
  seq_num = c(1, 1, 2)
)

orders_keyed <- orders %>%
  unite(col = 'order_key', year, region, seq_num, sep = '_')

print(orders_keyed)

separate_rows() — 拆分为多行

separate_rows(df, col, sep) 会将包含多个值的单元格拆分为多行。这与将内容拆分为多列的 separate() 不同。当单元格包含以逗号分隔的项目列表时，这个函数非常有用。

library(tidyr)

# Tags stored as comma-separated values in one cell
df <- data.frame(
  id = 1:3,
  title = c('Intro to R','Data Viz','ML Basics'),
  tags = c('r,beginner','r,ggplot,visualization','r,ml,modeling')
)

separate_rows(df, tags, sep = ',')

串联使用 separate() 和 unite()

您可以在管道中串联使用 separate() 和 unite()，以重新格式化日期字符串、修正不一致的格式，或根据现有列创建新的复合标识符。

library(tidyr)
library(dplyr)

# Reformat date from YYYY-MM-DD to DD/MM/YYYY
df <- data.frame(
  id = 1:3,
  date = c('2024-01-15','2024-03-22','2023-11-08')
)

df %>%
  separate(date, into=c('year','month','day'), sep='-') %>%
  unite(col='date_eu', day, month, year, sep='/')

处理多余或缺失的部分

当拆分出的部分多于 into 列时，separate() 提供 extra 参数：'warn'（默认值）、'drop'（丢弃多余部分）或 'merge'（保留最后一部分，不再拆分）。类似地，fill 用于处理部分不足的情况，可设置为 'warn'、'right' 或 'left'。

library(tidyr)

# Inconsistent data: some rows have 2 parts, some have 3
df <- data.frame(
  code = c('A-1','B-2-extra','C-3'),
  value = c(10, 20, 30)
)

# 'merge' keeps the last piece unsplit
separate(df, code, into=c('prefix','suffix'), sep='-',
         extra='merge')

快速检查

如果某列包含类似 'tag1,tag2,tag3' 的逗号分隔值，并且您希望每个标签占一行，应使用哪个函数？

总结：separate() 和 unite()

separate() 和 unite() 的要点：

separate(col, into, sep) — 按分隔符或位置将一列拆分为多列
convert = TRUE — 自动转换拆分结果的类型
remove = FALSE — 在两个函数中都保留原始列
unite(col, ..., sep) — 将多个列合并为一个字符串列
separate_rows(col, sep) — 将分隔的值拆分为多行（而不是多列）
extra 和 fill 参数用于处理不一致的拆分结果

library(tidyr)
library(dplyr)

df <- data.frame(
  id = 1:3,
  datetime = c('2024-01-15 09:30','2024-03-22 14:15','2023-11-08 11:45')
)

df %>%
  separate(datetime, into=c('date','time'), sep=' ') %>%
  separate(date, into=c('year','month','day'), sep='-', convert=TRUE) %>%
  separate(time, into=c('hour','minute'), sep=':', convert=TRUE)

常见问题解答

「使用 separate() 和 unite() 处理字符串列」课时是免费的吗？

是的 — 「使用 separate() 和 unite() 处理字符串列」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

「使用 separate() 和 unite() 处理字符串列」这节课中我会学到什么？

拆分和合并包含多段信息的列值你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 3 节课，共 4 节。

「使用 separate() 和 unite() 处理字符串列」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 R Academy