แยกคอลัมน์สตริงข้อมูลเฟรมออกเป็นหลายคอลัมน์

ฉันต้องการใช้ข้อมูลของแบบฟอร์ม

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

และใช้split()ในคอลัมน์ " type" จากด้านบนเพื่อรับสิ่งนี้:

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

ฉันคิดว่ามีสิ่งที่ซับซ้อนอย่างไม่น่าเชื่อที่เกี่ยวข้องกับรูปแบบการapplyทำงานบางอย่างแต่ฉันหายไปตั้งแต่นั้น มันดูซับซ้อนเกินไปที่จะเป็นวิธีที่ดีที่สุด ฉันสามารถใช้strsplitด้านล่าง แต่แล้วไม่ชัดเจนว่าจะกลับไปที่ 2 คอลัมน์ในกรอบข้อมูลได้อย่างไร

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

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

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

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

ขอบคุณสำหรับคำแนะนำใด ๆ ฉันยังไม่ได้อ่านรายชื่อ R อย่างถูกต้อง

ใช้ stringr::str_split_fixed

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

ตัวเลือกอื่นคือการใช้แพ็คเกจ tidyr ใหม่

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

5 ปีต่อมาเพิ่มdata.tableโซลูชันบังคับ

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

เรายังสามารถตรวจสอบให้แน่ใจว่าคอลัมน์ผลลัพธ์จะมีประเภทที่ถูกต้องและปรับปรุงประสิทธิภาพโดยการเพิ่มtype.convertและfixedข้อโต้แย้ง (เนื่องจาก"_and_"ไม่ใช่ regex จริงๆ)

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

วิธีอื่น: ใช้rbindกับout:

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"

และเพื่อรวม:

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

โปรดสังเกตว่าใช้กับ "[" เพื่อใช้แยกรายการแรกหรือรายการที่สองในรายการเหล่านั้น:

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

และนี่คือวิธี gsub:

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

นี่คือหนึ่งซับในบรรทัดเดียวกันกับโซลูชันของ aniko แต่ใช้แพ็คเกจ stringr ของ Hadley:

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

เพื่อเพิ่มตัวเลือกคุณสามารถใช้splitstackshape::cSplitฟังก์ชั่นของฉันเช่นนี้:

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

วิธีที่ง่ายคือการใช้งานsapply()และ[ฟังก์ชั่น:

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_')

ตัวอย่างเช่น:

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

sapply()ผลลัพธ์คือเมทริกซ์และต้องการเปลี่ยนและส่งกลับไปยังเฟรมข้อมูล จากนั้นเป็นกิจวัตรง่ายๆที่ให้ผลลัพธ์ที่คุณต้องการ:

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

ณ จุดนี้afterเป็นสิ่งที่คุณต้องการ

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

หัวเรื่องเกือบจะหมดแล้วฉันต้องการเสนอวิธีแก้ปัญหาให้กับรุ่นทั่วไปที่กว้างขึ้นเล็กน้อยซึ่งคุณไม่ทราบจำนวนคอลัมน์ผลลัพธ์ที่เป็นนิรนัย ตัวอย่างเช่นคุณมี

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

เราไม่สามารถใช้ dplyr ได้separate()เนื่องจากเราไม่ทราบจำนวนคอลัมน์ผลลัพธ์ก่อนการแยกดังนั้นฉันจึงสร้างฟังก์ชันที่ใช้stringrในการแบ่งคอลัมน์ตามรูปแบบและคำนำหน้าชื่อสำหรับคอลัมน์ที่สร้างขึ้น ฉันหวังว่ารูปแบบการเข้ารหัสที่ใช้นั้นถูกต้อง

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)
}

จากนั้นเราสามารถใช้split_into_multipleในท่อ dplyr ดังต่อไปนี้:

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>

แล้วเราสามารถใช้gatherเป็นระเบียบเรียบร้อยขึ้น ...

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

นี่คือสายการบินพื้นฐาน R หนึ่งที่ทับซ้อนกับโซลูชันก่อนหน้าจำนวนหนึ่ง แต่ส่งคืน data.frame พร้อมชื่อที่ถูกต้อง

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

มันใช้strsplitในการสลายตัวแปรและdata.frameมีdo.call/ rbindเพื่อใส่ข้อมูลกลับเข้าไปใน data.frame การปรับปรุงเพิ่มเติมแบบเพิ่มเติมคือการใช้setNamesเพื่อเพิ่มชื่อตัวแปรใน data.frame

คำถามนี้ค่อนข้างเก่า แต่ฉันจะเพิ่มวิธีแก้ปัญหาที่ฉันพบว่าง่ายที่สุดในปัจจุบัน

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

ตั้งแต่ R เวอร์ชั่น 3.4.0 คุณสามารถใช้strcapture()จากแพ็กเกจutils (รวมอยู่ในการติดตั้ง R ฐาน) รวมเอาท์พุทไปยังคอลัมน์อื่น ๆ

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

อีกวิธีถ้าคุณต้องการที่จะยึดติดstrsplit()อยู่กับการใช้unlist()คำสั่ง นี่คือวิธีแก้ปัญหาตามบรรทัดเหล่านั้น

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")

ฐาน แต่อาจช้า:

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

นี่คืออีกวิธีแก้ปัญหา R ฐาน เราสามารถใช้read.tableแต่เนื่องจากมันยอมรับsepอาร์กิวเมนต์หนึ่งไบต์เท่านั้นและที่นี่เรามีตัวคั่นแบบหลายไบต์เราจึงสามารถใช้gsubเพื่อแทนที่ตัวคั่นแบบหลายไบต์เป็นตัวคั่นแบบหนึ่งไบต์ใด ๆ และใช้เป็นsepอาร์กิวเมนต์ในread.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

ในกรณีนี้เราสามารถทำให้สั้นลงโดยแทนที่ด้วยsepอาร์กิวเมนต์เริ่มต้นดังนั้นเราไม่ต้องพูดถึงมันอย่างชัดเจน

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