拆分单元格中的数据

时间:2012-12-17 10:31:19

标签: r dataframe

我有一个看起来像这样的数据集

Code   Product
1      A|B
2      A|B|C
3      A|B|C|D|E

当我使用Product功能拆分列colsplit时,会发生重复。 colsplit函数的输出如下所示:

Code  Product.1   Product.2  Product.3  Product.4  Product.5
1     A           B          A          B          A
2     A           B          C          A          B
3     A           B          C          D          E

这是因为其中一个细胞有五个元素。有没有办法避免这种重复?

谢谢和问候 贾亚拉姆

1 个答案:

答案 0 :(得分:0)

更新(2013年10月21日)

以下概念已在我的“splitstackshape”包中汇总为一系列名为concat.split.*的函数。这是使用concat.split.multiple

的非常简单的解决方案
library(splitstackshape)
concat.split.multiple(temp, "Product", "|", "long")
#    Code time Product
# 1     1    1       A
# 2     2    1       A
# 3     3    1       A
# 4     1    2       B
# 5     2    2       B
# 6     3    2       B
# 7     1    3    <NA>
# 8     2    3       C
# 9     3    3       C
# 10    1    4    <NA>
# 11    2    4    <NA>
# 12    3    4       D
# 13    1    5    <NA>
# 14    2    5    <NA>
# 15    3    5       E

如果您想要宽格式,请删除"long"参数,但您的注释表明您最终需要一个长格式的输出。


原始答案(2012年12月17日)

您可以使用strsplitsapply执行此操作,如下所示:

# Your data
temp <- structure(list(Code = 1:3, Product = c("A|B", "A|B|C", "A|B|C|D|E"
)), .Names = c("Code", "Product"), class = "data.frame", row.names = c(NA, -3L))

temp1 <- strsplit(temp$Product, "\\|") # Split the product cell
temp1 <- data.frame(Code = temp$Code, 
                    t(sapply(temp1, 
                           function(x) { 
                               temp <- matrix(NA, 
                                              nrow = max(sapply(temp1, length)));
                               temp[1:length(x)] <- x; temp})))
temp1
#   Code X1 X2   X3   X4   X5
# 1    1  A  B <NA> <NA> <NA>
# 2    2  A  B    C <NA> <NA>
# 3    3  A  B    C    D    E

或者......在将每个行放入一列rbind.fill之后,使用“plyr”包中的data.frame

temp1 <- strsplit(temp$Product, "\\|")
library(plyr)
data.frame(Code = temp$Code, 
           rbind.fill(lapply(temp1, function(x) data.frame(t(x)))))
#   Code X1 X2   X3   X4   X5
# 1    1  A  B <NA> <NA> <NA>
# 2    2  A  B    C <NA> <NA>
# 3    3  A  B    C    D    E

或者......受@ DWin的好答案here的启发,将第二列重新读作data.frame本身。

newcols <- max(sapply(strsplit(temp$Product, "\\|"), length))
temp2 <- data.frame(Code = temp$Code,
                    read.table(text = as.character(temp$Product), 
                               sep="|", fill=TRUE, 
                               col.names=paste("Product", seq(newcols))))
temp2
#   Code Product.1 Product.2 Product.3 Product.4 Product.5
# 1    1         A         B                              
# 2    2         A         B         C                    
# 3    3         A         B         C         D         E