Question

我一直在努力了解如何更好地处理strsplit的输出。我经常有这样的数据，我想分开：

mydata <- c("144/4/5", "154/2", "146/3/5", "142", "143/4", "DNB", "90")

#[1] "144/4/5" "154/2"   "146/3/5" "142"     "143/4"   "DNB"     "90"

分割后，结果如下：

strsplit(mydata, "/")

#[[1]]
#[1] "144" "4"   "5"  

#[[2]]
#[1] "154" "2"  

#[[3]]
#[1] "146" "3"   "5"  

#[[4]]
#[1] "142"

#[[5]]
#[1] "143" "4"  

#[[6]]
#[1] "DNB"

#[[7]]
#[1] "90"

我从strsplit帮助指南得知最终的空字符串不会产生。因此，根据＆＃34; /＆＃34;的数量，我的每个结果中都会有1,2或3个元素。分开

获得第一个元素非常简单：

sapply(strsplit(mydata, "/"), "[[", 1)

#[1] "144" "154" "146" "142" "143" "DNB" "90"

但我不知道如何获得第2，第3 ......当每个结果中存在这些不等数量的元素时。

sapply(strsplit(mydata, "/"), "[[", 2)

# Error in FUN(X[[4L]], ...) : subscript out of bounds

我希望从一个有效的解决方案返回，如下：

#[1] "4" "2" "3" "NA" "4" "NA" "NA"

这是一个相对较小的例子。我可以很容易地对这些数据做一些for循环，但是对于运行strsplit的1000个观察结果的真实数据以及由此产生的数十个元素，我希望找到更通用的解决方案。

Answer 1

（至少关于1D向量）[似乎在＆＃34; i＆gt;时返回NA长度（X）＆＃34;而[[会返回错误。

x = runif(5)
x[6]
#[1] NA
x[[6]]
#Error in x[[6]] : subscript out of bounds

挖掘一下，do_subset_dflt（即[）来电ExtractSubset我们注意到当想要的索引（＆＃34; ii＆＃34;）是＆＃34;＆gt; ;长度（X）＆＃34;返回NA（稍微修改为干净）：

if(0 <= ii && ii < nx && ii != NA_INTEGER)
    result[i] = x[ii];
else
    result[i] = NA_INTEGER;

另一方面do_subset2_dflt（即[[）如果想要的索引（＆＃34;偏移＆＃34;）是＆＃34;＆gt;则返回错误。长度（X）＆＃34; （修改了一下要干净）：

if(offset < 0 || offset >= xlength(x)) {
    if(offset < 0 && (isNewList(x)) ...
    else errorcall(call, R_MSG_subs_o_b);
}

其中#define R_MSG_subs_o_b _("subscript out of bounds")

（我不确定上面的代码段，但根据他们的回报，它们似乎相关）

Answer 2

试试这个：

> read.table(text = mydata, sep = "/", as.is = TRUE, fill = TRUE)
   V1 V2 V3
1 144  4  5
2 154  2 NA
3 146  3  5
4 142 NA NA
5 143  4 NA
6 DNB NA NA
7  90 NA NA

如果您想将DNB视为NA，请添加参数na.strings="DNB"。

如果您真的想使用strsplit，请尝试以下方法：

> do.call(rbind, lapply(strsplit(mydata, "/"), function(x) head(c(x,NA,NA), 3)))
     [,1]  [,2] [,3]
[1,] "144" "4"  "5" 
[2,] "154" "2"  NA  
[3,] "146" "3"  "5" 
[4,] "142" NA   NA  
[5,] "143" "4"  NA  
[6,] "DNB" NA   NA  
[7,] "90"  NA   NA

注意：使用alexis_laz的观察结果x[i]如果NA不在i中，则1:length(x)会返回t(sapply(strsplit(mydata, "/"), "[", 1:3))，可以简化上面的最后一行代码到：

{{1}}

Answer 3

您可以使用regex（如果允许）

 library(stringr)
 str_extract(mydata , perl("(?<=\\d/)\\d+"))
 #[1] "4" "2" "3" NA  "4" NA  NA 
 str_extract(mydata , perl("(?<=/\\d/)\\d+"))
#[1] "5" NA  "5" NA  NA  NA  NA

Answer 4

您可以在sapply内指定长度，从而导致NA当前长度短于指定的长度。

s <- strsplit(mydata, "/")
sapply(s, function(x) { length(x) <- 3; x[2] })
# [1] "4" "2" "3" NA  "4" NA  NA

然后，您可以使用mapply

添加第二个索引参数

m <- max(sapply(s, length))
mapply(function(x, y, z) { length(x) <- z; x[y] }, s, 2, m)
# [1] "4" "2" "3" NA  "4" NA  NA

从strsplit-R之后的嵌套列表中提取第n个元素

4 个答案: