从不同列中提取字符串并在R中整理数据

时间:2015-08-06 19:51:40

标签: r dplyr string-matching stringr stringi

我正在尝试从数据集中提取电影类型的字符串。数据采用以下格式,其中类型类型由不同的评论者随机分布在数据集中。幸运的是,数据集中只有4种类型(喜剧,动作,恐怖,科幻),但也有重复。所以我需要从数据集中提取这些字符串。

id  movie   genretype1 genretype2 genretype3   genretype4
1   LTR     comedy     action     comedy       horror
2   MI      scifi      ---        ---          ---

我期待以下表格的输出。

System.Runtime.Serialization.Json

有什么建议吗?

2 个答案:

答案 0 :(得分:1)

我就是这样做的 - 使用列表更有意义,而不是data.frame

> types = c("comedy", "action", "horror", "scifi")
> List = apply(df, 1, function(x) types[types %in% x[-c(1, 2)]])
> names(List) <- df$movie
> List
$LTR
[1] "comedy" "action" "horror"

$MI
[1] "scifi"

或者,此解决方案可以为您提供整洁的data.frame:

> Matrix = t(apply(df, 1, function(x) types %in% x[-c(1, 2)]))
> colnames(Matrix) = types
> cbind(df[,1:2], Matrix)
  id movie comedy action horror scifi
1  1   LTR   TRUE   TRUE   TRUE FALSE
2  2    MI  FALSE  FALSE  FALSE  TRUE

答案 1 :(得分:1)

对于'df1'的每一行,我们可以match'类型',不包括前两个标识符列。 'lst1'中list个元素的长度可能不同。我们通过将NA值填充到长度小于最大长度元素的元素rbind列表元素并创建新的data.frame来使长度相等。

 types <- c("comedy", "action", "horror", "scifi")
 lst1 <- apply(df1[-(1:2)], 1, function(x) 
                       types[match(x, types, nomatch=0)])
 res <- data.frame(df1[1:2], do.call(rbind, lapply(lst1, 
                             'length<-', max(lengths(lst1)))))
 res
 # id movie     X1     X2     X3     X4
 #1  1   LTR comedy action comedy horror
 #2  2    MI  scifi   <NA>   <NA>   <NA>

注意:如果需要,我们可以更改列名称。

colnames(res)[-(1:2)] <- paste0('genretype', 1:4)