Розбийте рядок колони даних на кілька стовпців


246

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.

Відповіді:


280

Використовуйте stringr::str_split_fixed

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

2
це спрацювало чудово і для моєї проблеми і сьогодні .. але це було додавання знаку "с" на початку кожного ряду. Будь-яка ідея, чому це ??? left_right <- str_split_fixed(as.character(split_df),'\">',2)
LearneR

Мені хотілося б розділити шаблон, який має "...", коли я застосую цю функцію, вона нічого не повертає. У чому може бути проблема. мій тип - це щось на кшталт "тест ... оцінка"
user3841581

2
@ user3841581 - Ваш старий запит, який я знаю, але це висвітлено в документації - str_split_fixed("aaa...bbb", fixed("..."), 2)прекрасно працює з аргументом fixed()"Зрівняти фіксовану рядок" pattern=. .означає "будь-який символ" в регулярному виразі.
thelatemail

Спасибі Хадлі, дуже сприятливий метод, але є одне, що можна покращити, якщо в початковому стовпці є NA, після розділення він стане порожнім рядком у стовпцях результатів, що є небажаним, я хочу, щоб НС все ще залишався після розділення
хмари обчислює

Добре працює, тобто якщо роздільник відсутній! тобто якщо у мене є вектор 'a <-c ("1N", "2N") ", який я хотів би розділити у стовпцях" 1,1, "N", "N"' запускаю 'str_split_fixed (s, " ", 2) '. Я просто не впевнений, як назвати свої нові стовпці в такому підході, "col1 <-c (1,1)" і "col2 <-c (" N "," N ")"
Майкка

175

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

Чи є спосіб обмежити кількість розщеплення окремими? Скажімо, я хочу розділити на '_' лише один раз (або зробити це за допомогою str_split_fixedта додати стовпці до існуючого фрейму даних)?
JelenaČuklina

67

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)]

якщо кількість ваших '_and_'шаблонів змінюється, ви можете дізнатися максимальну кількість збігів (тобто майбутніх стовпців) зmax(lengths(strsplit(before$type, '_and_')))
andschar

Це моя улюблена відповідь, працює дуже добре! Чи можете ви поясніть, як це працює? Навіщо транспонувати (strsplit (…)) і не paste0 для об'єднання рядків - не розбиваючи їх ...
Gecko

1
@Gecko Я не впевнений, у чому питання. Якщо ви просто використовуєте, strsplitвін створює один вектор з двома значеннями в кожному слоті, тому tstrsplitпереносить його на 2 вектори з одним значенням у кожному. paste0просто використовується для створення назв стовпців, не використовується для значень. На LHS рівняння є назви стовпців, на RHS - операція розділення + транспонування на стовпчику. :=означає " призначити на місці ", отже, ви не бачите <-там оператора призначення.
Девід Аренбург

58

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))

4
Ще одна альтернатива для новіших версій Rstrcapture("(.*)_and_(.*)", as.character(before$type), data.frame(type_1 = "", type_2 = ""))
alexis_laz

37

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

32

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_'))

1
Хороший улов, найкраще рішення для мене. Хоча трохи повільніше, ніж із stringrпакетом.
Мелька

20

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

Через 3 роки - цей варіант найкраще працює для подібної проблеми, але у мене є 54 стовпчики, і я повинен розділити їх на два. Чи є спосіб зробити це за допомогою цього методу - не ввівши вищезазначену команду 54 рази? Велике спасибі, Нікі.
Нікі

@Nicki, Ви намагалися надати вектор назв стовпців або позицій стовпців? Це повинно це зробити ....
A5C1D2H2I1M1N2O1R2T1

Це було не просто перейменування стовпців - мені потрібно було буквально розділити стовпці, як вище, фактично подвоївши кількість стовпців у моєму df. Нижче було те, що я використав у підсумку: df2 <- cSplit (df1, splitCols = 1:54, "/")
Nicki

14

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

12

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

Ура, я думаю, це надзвичайно корисно.
Тебо

8

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.


6

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

Це, безумовно, найпростіше, коли мова йде про управління векторами df
абрикос

5

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

4

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")

4

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

1

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)))
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.