Розбийте рядок колони даних на кілька стовпців

Я хотів би взяти дані форми

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

і використовуйте split()стовпчик " type" зверху, щоб отримати щось подібне:

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

Я придумав щось неймовірно складне, що передбачає певну форму, applyяка працювала, але я з цього часу не виправдав цього. Це здавалося занадто складним, щоб бути найкращим способом. Я можу використовувати strsplitяк нижче, але потім незрозуміло, як повернути це у 2 стовпці в кадрі даних.

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

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

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

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

Дякуємо за будь-які покажчики. Я ще не зовсім впорядкував R-списки.

Використовуйте stringr::str_split_fixed

library(stringr)
str_split_fixed(before$type, "_and_", 2)

Ще один варіант - використовувати новий пакет Tidyr.

library(dplyr)
library(tidyr)

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

before %>%
  separate(type, c("foo", "bar"), "_and_")

##   attr foo   bar
## 1    1 foo   bar
## 2   30 foo bar_2
## 3    4 foo   bar
## 4    6 foo bar_2

Через 5 років додали обов'язкове data.tableрішення

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

Ми також можемо переконатися, що отримані стовпці матимуть правильні типи та покращуватимуть ефективність шляхом додавання type.convertта fixedаргументів (оскільки "_and_"насправді це не регулярний вираз)

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

Ще один підхід: використання rbindна out:

before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))  
out <- strsplit(as.character(before$type),'_and_') 
do.call(rbind, out)

     [,1]  [,2]   
[1,] "foo" "bar"  
[2,] "foo" "bar_2"
[3,] "foo" "bar"  
[4,] "foo" "bar_2"

І поєднувати:

data.frame(before$attr, do.call(rbind, out))

Зауважте, що саплікація з "[" може використовуватися для вилучення першого чи другого елементів із цих списків так:

before$type_1 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 1)
before$type_2 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 2)
before$type <- NULL

А ось метод gsub:

before$type_1 <- gsub("_and_.+$", "", before$type)
before$type_2 <- gsub("^.+_and_", "", before$type)
before$type <- NULL

ось один вкладиш уздовж тих же ліній, що і рішення aniko, але з використанням пакету stringr hadley:

do.call(rbind, str_split(before$type, '_and_'))

Щоб додати до параметрів, ви також можете використовувати мою splitstackshape::cSplitфункцію, як це:

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

Простий спосіб - це використання sapply()та [функція:

before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
out <- strsplit(as.character(before$type),'_and_')

Наприклад:

> data.frame(t(sapply(out, `[`)))
   X1    X2
1 foo   bar
2 foo bar_2
3 foo   bar
4 foo bar_2

sapply()Результат є матрицею і потребує перенесення та повернення до кадру даних. Тоді кілька простих маніпуляцій дають бажаний результат:

after <- with(before, data.frame(attr = attr))
after <- cbind(after, data.frame(t(sapply(out, `[`))))
names(after)[2:3] <- paste("type", 1:2, sep = "_")

На даний момент, afterце те, що ви хотіли

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

Тема майже вичерпана, я хотів би запропонувати рішення для трохи більш загальної версії, де ви апріорі не знаєте кількості вихідних стовпців. Так, наприклад, у вас є

before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2', 'foo_and_bar_2_and_bar_3', 'foo_and_bar'))
  attr                    type
1    1             foo_and_bar
2   30           foo_and_bar_2
3    4 foo_and_bar_2_and_bar_3
4    6             foo_and_bar

Ми не можемо використовувати dplyr, separate()оскільки ми не знаємо кількість стовпців результатів до розбиття, тому я створив функцію, яка використовує stringrдля розбиття стовпця, враховуючи шаблон та префікс імені для створених стовпців. Я сподіваюся, що використовувані шаблони кодування є правильними.

split_into_multiple <- function(column, pattern = ", ", into_prefix){
  cols <- str_split_fixed(column, pattern, n = Inf)
  # Sub out the ""'s returned by filling the matrix to the right, with NAs which are useful
  cols[which(cols == "")] <- NA
  cols <- as.tibble(cols)
  # name the 'cols' tibble as 'into_prefix_1', 'into_prefix_2', ..., 'into_prefix_m' 
  # where m = # columns of 'cols'
  m <- dim(cols)[2]

  names(cols) <- paste(into_prefix, 1:m, sep = "_")
  return(cols)
}

Потім ми можемо використовувати split_into_multipleв dplyr трубі наступне:

after <- before %>% 
  bind_cols(split_into_multiple(.$type, "_and_", "type")) %>% 
  # selecting those that start with 'type_' will remove the original 'type' column
  select(attr, starts_with("type_"))

>after
  attr type_1 type_2 type_3
1    1    foo    bar   <NA>
2   30    foo  bar_2   <NA>
3    4    foo  bar_2  bar_3
4    6    foo    bar   <NA>

І тоді ми можемо використовувати gatherдля прибирання ...

after %>% 
  gather(key, val, -attr, na.rm = T)

   attr    key   val
1     1 type_1   foo
2    30 type_1   foo
3     4 type_1   foo
4     6 type_1   foo
5     1 type_2   bar
6    30 type_2 bar_2
7     4 type_2 bar_2
8     6 type_2   bar
11    4 type_3 bar_3

Ось базовий R один вкладиш, який перекриває ряд попередніх рішень, але повертає кадр даних із власними іменами.

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

Він використовує , strsplitщоб розбити змінну, і data.frameз do.call/ rbindпокласти назад дані в data.frame. Додатковим додатковим удосконаленням є використання setNamesдля додавання змінних імен до data.frame.

Це питання досить старе, але я додам рішення, яке я вважаю найпростішим на даний момент.

library(reshape2)
before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
newColNames <- c("type1", "type2")
newCols <- colsplit(before$type, "_and_", newColNames)
after <- cbind(before, newCols)
after$type <- NULL
after

Оскільки R версії 3.4.0 ви можете використовувати strcapture()з пакету utils (в комплекті з базовими встановленнями R), прив'язуючи вихід до іншого стовпця (ів).

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

Ще один підхід, якщо ви хочете дотримуватися, strsplit()- це використовувати unlist()команду. Ось рішення у цьому напрямку.

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")

базовий, але, ймовірно, повільний:

n <- 1
for(i in strsplit(as.character(before$type),'_and_')){
     before[n, 'type_1'] <- i[[1]]
     before[n, 'type_2'] <- i[[2]]
     n <- n + 1
}

##   attr          type type_1 type_2
## 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

Ось ще одне базове рішення R. Ми можемо використовувати, read.tableале оскільки він приймає лише однобайтовий sepаргумент, і тут у нас є багатобайтовий роздільник, ми можемо використовувати gsubдля заміни багатобайтового роздільника на будь-який однобайтовий роздільник і використовувати його як sepаргумент уread.table

cbind(before[1], read.table(text = gsub('_and_', '\t', before$type), 
                 sep = "\t", col.names = paste0("type_", 1:2)))

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

У цьому випадку ми можемо також скоротити його, замінивши його sepаргументом за замовчуванням, тому нам не доведеться прямо згадувати його

cbind(before[1], read.table(text = gsub('_and_', ' ', before$type), 
                 col.names = paste0("type_", 1:2)))