Question

我有一个数据预处理问题，这在我的工作中很常见。我通常有两个文件，我最终想要做一个大的匹配操作。它通常是一个两步过程，第一步涉及制作第一个文件的“清理”数据帧，第二步是与较大数据帧的第二个文件进行匹配（vlookup）。我在这个问题的第一步需要帮助。我在下面创建了一个简单的例子来处理。我的简化数据框：

CLLocationManager *m = [[CLLocationManager alloc] init];
[m startUpdatingLocation];
m.delegate = self;

现在，我想在第一列中的“Valuelabel”字符串上拆分数据框，最后得到一个如下所示的新数据框：

c1 <- 1:15
c2 <- c("Valuelabels", "V1", "1", "2", "Valuelabels", "V2", "1", "2", "3", "Valuelabels", "V3", "1", "2", "3", "4")
c3 <- c("", "", "Male", "Female", "", "", "Married", "Single", "Other", "", "", "SingleWithChildren", "SingleWithoutChildren","MarriedWithChildren", "PartneredWithChildren") 

df <- data.frame(row.names =c1,c2,c3)
df

            c2                    c3
1  Valuelabels                      
2           V1                      
3            1                  Male
4            2                Female
5  Valuelabels                      
6           V2                     
7            1               Married
8            2                Single
9            3                 Other
10 Valuelabels                      
11          V3                      
12           1    SingleWithChildren
13           2 SingleWithoutChildren
14           3   MarriedWithChildren
15           4 PartneredWithChildren

我最终想创建一个数据框，其中V1作为列名，其下的匹配值作为我的示例V1_match中命名的新列...等等，V2到V3。

此数据框将在将其与更大的数据帧匹配之前结束我的第一步。

非常渴望得到帮助。

Answer 1

这是一个可能的data.table解决方案

library(data.table) # v 1.9.5
setDT(df)[, indx := c2[2L], by = cumsum(c2 == "Valuelabels")]
df2 <- df[!grepl("\\D", c2)][, indx2 := seq_len(.N), by = indx]
dcast(df2, indx2 ~ indx, value.var = c("c2", "c3"))
#    indx2 V1_c2 V2_c2 V3_c2  V1_c3   V2_c3                 V3_c3
# 1:     1     1     1     1   Male Married    SingleWithChildren
# 2:     2     2     2     2 Female  Single SingleWithoutChildren
# 3:     3    NA     3     3     NA   Other   MarriedWithChildren
# 4:     4    NA    NA     4     NA      NA PartneredWithChildren

您需要安装data.table v＆gt; 1.9.5为了使用

运行它

library(devtools)
install_github("Rdatatable/data.table", build_vignettes = FALSE)

Answer 2

另一种方法基础R：

lst = lapply(split(df,cumsum(df$c2=='Valuelabels')), tail, -2)
Reduce(function(u,v) merge(u,v,by='c2',all=T), lst)
#  c2   c3.x    c3.y                    c3
#1  1   Male Married    SingleWithChildren
#2  2 Female  Single SingleWithoutChildren
#3  3   <NA>   Other   MarriedWithChildren
#4  4   <NA>    <NA> PartneredWithChildren

拆分已过滤字符的数据框并创建多个新列

2 个答案: