将数据帧字符串列拆分为多个列

我想取表格的数据

before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
  attr          type
1    1   foo_and_bar
2   30 foo_and_bar_2
3    4   foo_and_bar
4    6 foo_and_bar_2

然后在上面的列"type"上使用split()，得到如下内容:

  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

我想出了一些难以置信的复杂的东西，涉及到某种形式的应用，但我后来把它放错了地方。这似乎太复杂了，不是最好的办法。我可以使用strsplit如下所示，但不清楚如何将其返回到数据帧中的2列。

> strsplit(as.character(before$type),'_and_')
[[1]]
[1] "foo" "bar"

[[2]]
[1] "foo"   "bar_2"

[[3]]
[1] "foo" "bar"

[[4]]
[1] "foo"   "bar_2"

谢谢你的指点。我还没完全弄懂R列表。

当前回答

从R版本3.4.0开始，您可以使用utils包中的strcapture()(包含在基本R安装中)，将输出绑定到另一列上。

out <- strcapture(
    "(.*)_and_(.*)",
    as.character(before$type),
    data.frame(type_1 = character(), type_2 = character())
)

cbind(before["attr"], out)
#   attr type_1 type_2
# 1    1    foo    bar
# 2   30    foo  bar_2
# 3    4    foo    bar
# 4    6    foo  bar_2

2017-08-28 19:15:06

其他回答

要添加选项，你也可以使用我的splitstackshape::cSplit函数，像这样:

library(splitstackshape)
cSplit(before, "type", "_and_")
#    attr type_1 type_2
# 1:    1    foo    bar
# 2:   30    foo  bar_2
# 3:    4    foo    bar
# 4:    6    foo  bar_2

2014-09-27 15:46:59

令人惊讶的是，另一个tidyverse解决方案仍然缺失——您也可以使用带有正则表达式的tidyr::extract。

library(tidyr)
before <- data.frame(attr = c(1, 30, 4, 6), type = c("foo_and_bar", "foo_and_bar_2"))

## regex - getting all characters except an underscore till the first underscore, 
## inspired by Akrun https://stackoverflow.com/a/49752920/7941188 

extract(before, col = type, into = paste0("type", 1:2), regex = "(^[^_]*)_(.*)")
#>   attr type1     type2
#> 1    1   foo   and_bar
#> 2   30   foo and_bar_2
#> 3    4   foo   and_bar
#> 4    6   foo and_bar_2

2022-02-09 18:51:53

如果您想坚持使用strsplit()，另一种方法是使用unlist()命令。这里有一个解决方案。

tmp <- matrix(unlist(strsplit(as.character(before$type), '_and_')), ncol=2,
   byrow=TRUE)
after <- cbind(before$attr, as.data.frame(tmp))
names(after) <- c("attr", "type_1", "type_2")

2010-12-03 23:52:51

下面是一个基于rone的行程序，它与之前的一些解决方案重叠，但返回一个具有正确名称的data.frame。

out <- setNames(data.frame(before$attr,
                  do.call(rbind, strsplit(as.character(before$type),
                                          split="_and_"))),
                  c("attr", paste0("type_", 1:2)))
out
  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

它使用strsplit来分解变量，data.frame使用do。调用/rbind将数据放回data.frame中。额外的增量改进是使用setNames向data.frame添加变量名。

2016-07-22 20:34:38

5年后添加必要的数据。表解决方案

library(data.table) ## v 1.9.6+ 
setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_")]
before
#    attr          type type1 type2
# 1:    1   foo_and_bar   foo   bar
# 2:   30 foo_and_bar_2   foo bar_2
# 3:    4   foo_and_bar   foo   bar
# 4:    6 foo_and_bar_2   foo bar_2

我们还可以通过添加类型来确保结果列具有正确的类型并提高性能。转换和固定参数(因为"_and_"不是一个真正的正则表达式)

setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_", type.convert = TRUE, fixed = TRUE)]

2015-10-14 14:14:40

将数据帧字符串列拆分为多个列

推荐文章

最新文章

标签