Question

我有一个df，其中一列feature_service包含一对或多对具有服务（ A或B 的要素（ a-d ））。功能和服务使用:分隔，成对的使用,分隔。

df如下：

df <- data.frame(feature_service = c("a:A", "a:A, b:A", "a:A, a:B", "a:B, b:B, c:B", "d:A, d:B"), stringsAsFactors = FALSE)
df
  feature_service
1             a:A
2        a:A, b:A
3        a:A, a:B
4   a:B, b:B, c:B
5        d:A, d:B

现在，我想将服务和功能分成单独的逻辑列。 目标是使data.frame看起来像：

df_goal <- data.frame(feature_a = c(TRUE, TRUE, TRUE, TRUE, FALSE), feature_b = c(FALSE, TRUE, FALSE, TRUE, FALSE), feature_c = c(FALSE, FALSE, FALSE, TRUE, FALSE)
                 , feature_d = c(FALSE, FALSE, FALSE, FALSE, TRUE), service_A = c(TRUE, TRUE, TRUE, FALSE, TRUE), service_B = c(FALSE, FALSE, TRUE, TRUE, TRUE))
df_goal
  feature_a feature_b feature_c feature_d service_A service_B
1      TRUE     FALSE     FALSE     FALSE      TRUE     FALSE
2      TRUE      TRUE     FALSE     FALSE      TRUE     FALSE
3      TRUE     FALSE     FALSE     FALSE      TRUE      TRUE
4      TRUE      TRUE      TRUE     FALSE     FALSE      TRUE
5     FALSE     FALSE     FALSE      TRUE      TRUE      TRUE

我该如何实现？

Answer 1

Base R解决方案：

foo <- strsplit(df$feature_service, ",")
# Get all possible features
feature <- unique(unlist(lapply(foo, function(x) trimws(sub(":.*", ":", x)))))
# Get all possible services
service <- unique(unlist(lapply(foo, function(x) trimws(sub(".*:", ":", x)))))

# Generate occurrence table
result <- sapply(c(feature, service), grepl, df$feature_service)
# Name final result
colnames(result) <- c(paste0("feature_", sub(":", "", feature)),
                      paste0("service_", sub(":", "", service)))

如果您已经拥有所有可能的功能和服务，则只需要sapply部分。

Answer 2

用定界符分割“ feature_service”列后，mtabulate的一个选项

library(qdapTools)
out <- mtabulate(strsplit(df$feature_service, "[:, ]"))[-1] > 0

或者使用tidyverse，创建一个行名称列，用separate_rows中的定界符分割'feature_service'，获得唯一行（distinct），创建逻辑列TRUE ，并将spread设置为“宽”格式

library(tidyverse)
df %>% 
  rownames_to_column('rn') %>% 
  separate_rows(feature_service) %>%
  distinct(rn, feature_service) %>%
  mutate(n = TRUE) %>%
  spread(feature_service, n, fill = FALSE)

如果我们需要指定的列名，则在,进行拆分后，再将separate分为两列（'key'，'val'），gather从“宽”到“长”，unite的“键/值”列成一个，spread如上

df %>%
  rownames_to_column('rn') %>% 
  separate_rows(feature_service, sep = ", ") %>% 
  separate(feature_service, into = c('feature', 'service')) %>% 
  gather(key, val, feature:service) %>% 
  distinct() %>% 
  unite(keyval, key, val) %>% 
  mutate(n = TRUE) %>% 
  spread(keyval, n, fill =  FALSE) %>%
  select(-rn)
#  feature_a feature_b feature_c feature_d service_A service_B
#1      TRUE     FALSE     FALSE     FALSE      TRUE     FALSE
#2      TRUE      TRUE     FALSE     FALSE      TRUE     FALSE
#3      TRUE     FALSE     FALSE     FALSE      TRUE      TRUE
#4      TRUE      TRUE      TRUE     FALSE     FALSE      TRUE
#5     FALSE     FALSE     FALSE      TRUE      TRUE      TRUE

Answer 3

要完成三重奏（baseR，tidyverse，data.table），这是我对data.table的尝试，

library(data.table)
dt1 <- setDT(df)[, tstrsplit(feature_service, ", |:")]
dcast(melt(dt1, measure = names(dt1)), rowid(variable) ~ value, length)[,variable := NULL][] > 0

给出，

         A     B     a     b     c     d    NA
[1,]  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE
[2,]  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE
[3,]  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE
[4,] FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE
[5,]  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE

注意：：它也可以使NA无效，因此在末尾增加了一列。

将逗号和冒号分隔的组合变量传播到单独的逻辑列中

3 个答案: