Question

我正在尝试将列拆分为多个列，并使用“_”作为分隔符。我在这里尝试了解决方案：

Splitting a dataframe string column into multiple different columns

就我而言，问题似乎是“分隔”文本段的数量因行而异（范围从3到5），因为每当我尝试拆分字符串然后转换为矩阵或数据帧时我都会不断出错。以下是您可以复制到R：

的示例

example<-structure(list(c1 = c(1, 2, 3), temp2 = structure(c(3L, 1L, 2L
), .Label = c("TR117_1119_HI_33", "TR504_1115_Su1_Y_4", "TR9_0817_2"
), class = "factor")), .Names = c("c1", "temp2"), row.names = c(NA, 
-3L), class = "data.frame")

对于这个例子，最终我希望'temp2'列在每个'_'处被分开以产生以下内容：

> Output
   new1 new2 new3 new4 new5
1   TR9 0817    2   NA   NA
2 TR117 1119   HI   33   NA
3 TR504 1115  Su1    Y    4

据我所知，没有遇到错误：

example$temp3<-as.character(example$temp2)
test<-strsplit(example$temp3,"_")

我是否需要使用for循环逐行执行此操作，或者是否有更优雅的解决方案？

Answer 1

我们也可以使用tstrsplit

中的library(data.table)

library(data.table)#v1.9.6+
setnames(setDT(example)[, tstrsplit(temp2, '_')], paste0('new', 1:5))[]
#    new1 new2 new3 new4 new5
#1:   TR9 0817    2   NA   NA
#2: TR117 1119   HI   33   NA
#3: TR504 1115  Su1    Y    4

注意：它还有type.convert参数，可以转换为适当的类型。

cSplit来自library(splitstackshape)

library(splitstackshape)
cSplit(example, 'temp2', '_')[,c1:=NULL][]

并使用setnames更改列名称。

或使用read.table

中的base R

read.table(text=as.character(example$temp2), sep="_", na.strings='',
                stringsAsFactors=FALSE,fill=TRUE, col.names=paste0('new', 1:5))
#   new1 new2 new3 new4 new5
#1   TR9  817    2 <NA>   NA
#2 TR117 1119   HI   33   NA
#3 TR504 1115  Su1    Y    4

Answer 2

您可以使用 tidyr 的separate()

tidyr::separate(example[-1], temp2, paste0("new", 1:5), "_", fill = "right")
#    new1 new2 new3 new4 new5
# 1   TR9 0817    2 <NA> <NA>
# 2 TR117 1119   HI   33 <NA>
# 3 TR504 1115  Su1    Y    4

如果您希望将新列转换为适当的类型，请添加convert = TRUE。

将不规则文本列拆分为r中的多个列

2 个答案: