Question

我想循环遍历几个数据框，以及每个数据框中的某些列，并将括号中的数字与星号分隔成两列。例如，将[123] ***拆分为带有123（无括号）的列和带有***的列。这是我尝试过的：

require(reshape2)
# create dataframes
  df1 <- data.frame(var=c("item1", "item2"),
                    var.se.1=c("[123]**", "[456]"),
                    var.se.2=c("[1]***", "[45]*"))
  df2 <- data.frame(var=c("item3", "item4"),
                    var.se.1=c("[7]*", "[89]***"),
                    var.se.2=c("[34]**", "[2]"))

我有：

# df1
#     var var.se.1 var.se.2
# 1 item1  [123]**   [1]***
# 2 item2    [456]    [45]*

我想：

#     var var.se.1 var.se.1.ast var.se.2 var.se.2.ast
# 1 item1      123           **        1          ***
# 2 item2      456                    45            *

我试过了：

# create list of dataframes
  dfs <- list(df1, df2)
# loop through dataframes
  for (i in 1:length(dfs)) {
    # index columns with .se in the name
      seCols <- grep(".se", names(dfs[[i]]))
    # loop through every column with .se in the name
      for (s in seCols) {
        # remove [, which will leave ] to split on
        # want to get rid of [] anyway
          dfs[[i]][,s] <- gsub("\\[", "", as.character(dfs[[i]][,s]))
        # split into two columns on ]
          dfs[[i]] <- cbind(dfs[[i]],
                            colsplit(dfs[[i]][,s],
                                     pattern = "\\]",
                                     names = c(names(dfs[[i]][s]),
                                               paste(names(dfs[[i]][s]),
                                                     "ast", sep="."))))
      }
  }

代码主要是做我想做的事情，但结果没有存储在数据帧中。如果我运行循环然后运行dfs[[i]]，那么在i==2时，我会得到以下内容：

# i == 2
dfs[[i]]
    var var.se.1 var.se.2 var.se.1 var.se.1.ast var.se.2 var.se.2.ast
1 item3      7]*    34]**        7            *       34           **
2 item4   89]***       2]       89          ***        2

我需要删除第2列和第3列，但除此之外，它可以正常工作。只需要将第1,4,5,6和7列（列命名正确）添加到df1和df2（在这种情况下为df2）。

更新

我的实际用例比MRE更复杂，打破了@ Tyler的代码。这个问题似乎与我的实际数据帧有不同的观察数量有关。如果我们将df2重新定义为3行，并让df2保留2行，则在运行@ Tyler代码时R将抛出错误：“data.frame（...，check.names中的错误） = FALSE）：参数意味着行数不同：2,3“

df2 <- data.frame(var=c("item3", "item4", "item5"),
                  var.se.1=c("[7]*", "[89]***", "new"),
                  var.se.2=c("[34]**", "[2]", "rows"))

Answer 1

这是使用qdap软件包的一种方法。我根据OP的评论做了一些调整。我不在列表中运行，但如果你希望它们在全球环境中，我也提供它。

L1 <- setNames(list(df1, df2), c("df1", "df2"))

library(qdap)

bot_scum <- function(x) identical(character(0), x)
FUN <- function(x) {
    y <- bracketXtract(x)
    y[sapply(y, bot_scum)] <- NA
    as.numeric(unlist(y))
}
FUN2 <- function(x) gsub("[^*]", "", x)
FUN3 <- function(x) cbind.data.frame(FUN(x), FUN2(x))

(L2 <- lapply(L1, function(x) {
    inds <- grep(".se", colnames(x), fixed=TRUE)
    ninds <- grep(".se", colnames(x), fixed=TRUE, invert=TRUE)

    out <- do.call(cbind.data.frame, lapply(inds, function(i) {
        setNames(FUN3(x[, i]), c(colnames(x)[i], paste0(colnames(x)[i], ".ast")))
    }))

    cbind.data.frame(x[, ninds, drop=FALSE],out)
}))

list2env(L2, envir = .GlobalEnv)
df1
df2

## $df1
##     var var.se.1 var.se.1.ast var.se.2 var.se.2.ast
## 1 item1      123           **        1          ***
## 2 item2      456                    45            *
## 
## $df2
##     var var.se.1 var.se.1.ast var.se.2 var.se.2.ast
## 1 item3        7            *       34           **
## 2 item4       89          ***        2

Answer 2

不像泰勒那样干净，但在基地：

lapply(
  dfs,
  function(df) {
    proc.cols <- lapply(df[grep("se.", names(df), fixed=TRUE)], 
      function(df.col) {
        df.col.chr <- as.character(df.col)
        matched.vals <- vapply(
          regmatches(df.col.chr, regexec("\\[([0-9]+)\\](\\**)", df.col.chr)),
          `[`, character(2L), -1L
        )
        t(matched.vals)
    } )
    do.call(cbind, c(list(df[!grepl("se.", names(df), fixed=TRUE)]), proc.cols))
} )

产地：

[[1]]
    var var.se.1.1 var.se.1.2 var.se.2.1 var.se.2.2
1 item1        123         **          1        ***
2 item2        456                    45          *

[[2]]
    var var.se.1.1 var.se.1.2 var.se.2.1 var.se.2.2
1 item3          7          *         34         **
2 item4         89        ***          2

基本上我们循环遍历列表，然后循环遍历每个数据框的第一列，并使用regmatches来提取数字和星号。

循环通过df，grep，然后拆分

2 个答案: