r النص - تقسيم عمود من إطار البيانات إلى أعمدة متعددة





الارقام استخراج (13)


بعد 5 سنوات من إضافة حل data.table إلزامي

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

يمكننا أيضًا التأكد من type.convert الأعمدة الناتجة على أنواع صحيحة وتحسين الأداء عن طريق إضافة type.convert fixed (بما أن "_and_" ليست في الواقع "_and_" )

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

أود أخذ بيانات النموذج

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

واستخدم split() في العمود " type " من أعلاه للحصول على شيء مثل هذا:

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

توصلت إلى شيء معقد بشكل لا يصدق يتضمن شكلاً من أشكال apply الذي عمل ، لكنني منذ ذلك الحين أضعته. بدا الأمر معقدًا للغاية بحيث لا تكون أفضل طريقة. يمكنني استخدام strsplit النحو التالي ، ولكن بعد ذلك لا strsplit كيفية إرجاع ذلك إلى عمودين في إطار البيانات.

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

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

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

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

شكرا على أي مؤشرات. أنا لم أر قوائم ROC تماما حتى الآن.




هنا عبارة عن بطانة واحدة على نفس خطوط حل aniko ، ولكن باستخدام حزمة hadley's stringr:

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



نهج آخر: استخدام rbind على 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"

والجمع بين:

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



استخدم stringr::str_split_fixed

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



في ما يلي أحد خطوط الأساس R التي تتراكب مع عدد من الحلول السابقة ، ولكن يتم إرجاع data.frame بأسماء مناسبة.

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

ويستخدم strsplit لتفريق المتغير ، و data.frame مع do.call / rbind لوضع البيانات مرة أخرى في data.frame. التحسين الإضافي الإضافي هو استخدام setNames لإضافة أسماء المتغيرات إلى data.frame.




استنفاد الموضوع تقريبا ، ولكن على الرغم من أنني أود تقديم حل لإصدار أكثر عمومية بعض الشيء حيث كنت لا تعرف عدد أعمدة الإخراج ، بداهة. هكذا على سبيل المثال لديك

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

لا يمكننا استخدام dplyr separate() لأننا لا نعرف عدد أعمدة النتيجة قبل الانقسام ، لذلك قمت بإنشاء دالة تستخدم stringr لتقسيم عمود ، مع stringr في الاعتبار النمط وبادئة الاسم الخاصة stringr الأعمدة. آمل أن تكون أنماط الترميز المستخدمة صحيحة.

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)
}

يمكننا بعد ذلك استخدام split_into_multiple في أنبوب dplyr على النحو التالي:

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>

ثم يمكننا استخدام gather لترتيب ...

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



خيار آخر هو استخدام حزمة tidyr الجديدة.

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



طريقة سهلة هي استخدام sapply() و [ الوظيفة:

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_')

فمثلا:

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

sapply() هي عبارة عن مصفوفة وتحتاج إلى الانتقال والصب إلى إطار البيانات. ومن ثم بعض التلاعبات البسيطة التي تؤدي إلى النتيجة التي تريدها:

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

في هذه المرحلة ، after ما تريد

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



للإضافة إلى الخيارات ، يمكنك أيضًا استخدام وظيفة splitstackshape::cSplit مثل:

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



هذا السؤال قديم جدا لكني سأضيف الحل الذي وجدته أبسط ما يكون في الوقت الحاضر.

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



منذ الإصدار 3.4.0 من R يمكنك استخدام strcapture() من حزمة utils (المضمنة في تثبيتات R القاعدة) ، ربط الإخراج على العمود (الأعمدة) الأخرى.

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



قاعدة ولكن ربما بطيئة:

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



امكانية اخرى:

df <- df[, setdiff(names(df), c("a", "c"))]

أو

df <- df[, grep('^(a|c)$', names(df), invert=TRUE)]




r string dataframe split r-faq