Question

我有一个包含

的数据框

df 
Date        name             score
12/09/2012  Mahesh\nRahul    120
13/09/2012  abc\nxyz\nrep         110
...........................

我试过这个以获得原子

name1=str_split(df[,2],"\n")

但不知道如何再次关联，使数据帧规范化的最佳方法是什么，以便我可以得到

 df 
Date        name     score
12/09/2012  Mahesh   120
12/09/2012  Rahul    120
13/09/2012  abc      110
13/09/2012  xyz      110
13/09/2012  rep      110
...........................

在R中规范化长数据帧的任何帮助。

修改

请注意，这只是一个可重现的示例，我的名称列中有多个名称，名称数量从一行到另一行不等。谢谢。

Answer 1

这是一个R基础解决方案

更新

> Names <- strsplit(df$name, "\n")
> n <- sapply(Names, length)
> data.frame(cbind(apply(df[,-2], 2, function(x) rep(x, n)), 
                   name=unlist(Names)), row.names = NULL)[,c(1,3,2)]
        Date   name score
1 12/09/2012 Mahesh   120
2 12/09/2012  Rahul   120
3 13/09/2012    abc   110
4 13/09/2012    xyz   110
5 13/09/2012    rep   110

其中df是：

> dput(df)
structure(list(Date = c("12/09/2012", "13/09/2012"), name = c("Mahesh\nRahul", 
"abc\nxyz\nrep"), score = c(120, 110)), .Names = c("Date", "name", 
"score"), row.names = c(NA, -2L), class = "data.frame")

Answer 2

使用data.table相对容易（显然很快）。

require( data.table )
dt <- data.table( df )
dt[ , list( name = unlist( strsplit( name , "\n" ) ) ) , by = list( Date , score ) ]
#         Date score   name
#1: 12/09/2012   120 Mahesh
#2: 12/09/2012   120  Rahul
#3: 13/09/2012   110    abc
#4: 13/09/2012   110    xyz

作为备注，我将df作为以下数据（请注意character类，而不是实际数据中出现的factor类......

df <- read.delim( text = "Date    name    score
12/09/2012  'Mahesh\nRahul'   120
13/09/2012  'abc\nxyz'       110" ,
sep = "" , h = TRUE , quote = "\'" , stringsAsFactors = FALSE )

Answer 3

要添加替代方案，您可以使用scan轻松分隔字符串，rep和cbind以获得最终data.frame

df
#         Date          name score
# 1 12/09/2012 Mahesh\nRahul   120
# 2 13/09/2012 abc\nxyz\nrep   110

scan(text=as.character(df$name), what = "")
# Read 5 items
# [1] "Mahesh" "Rahul"  "abc"    "xyz"    "rep"  

cbind(df[rep(rownames(df), 
             sapply(gregexpr("\n", df$name), length)+1), 
         c("Date", "score")], 
      name = scan(text=as.character(df$name), what = ""))
#           Date score   name
# 1   12/09/2012   120 Mahesh
# 1.1 12/09/2012   120  Rahul
# 2   13/09/2012   110    abc
# 2.1 13/09/2012   110    xyz
# 2.2 13/09/2012   110    rep

read.table也可用于拆分连续列：

read.table(text = as.character(df$name), sep = "\n", header = FALSE)
#       V1
# 1 Mahesh
# 2  Rahul
# 3    abc
# 4    xyz
# 5    rep

Answer 4

这里已有很好的答案，但这是基础R使用rle和inverse.rle函数的另一种方法。 @Jilber的基础R解决方案更优雅，但如果您的字符串有两个以上的名称，这种方式将起作用。

df <- read.table(text='Date        name             score
12/09/2012  "Mahesh\nRahul"    120
13/09/2012  "abc\nxyz\nrep"         110', header=TRUE, stringsAsFactors=FALSE)

ns <- strsplit(df$name, '\n')
result <- lapply(lapply(lapply(df, rle), `[[<-`, 'lengths', sapply(ns, length)), inverse.rle)
transform(data.frame(result), name=unlist(ns))
#         Date   name score
# 1 12/09/2012 Mahesh   120
# 2 12/09/2012  Rahul   120
# 3 13/09/2012    abc   110
# 4 13/09/2012    xyz   110
# 5 13/09/2012    rep   110

将数据帧从非原子转换为原子

4 个答案:

更新