Question

我有一个具有以下结构的数据库。我想将最后一列，一个部件号和另一个与描述分开，用“ - ”分隔。在示例中，它可以正常工作。但是当我在我的数据库中使用它（50,700个案例）时，我收到一条错误消息。

      rut<-c("50001780", "50001810", "50001820",
             "50001850", "50001890", "50001940")
      econ.activ<-c("552010 - RESTAURANTES",                                    
      "930990 - OTRAS ACTIVIDADES DE SERVICIOS PERSONALES N.C.P.",
      "523911 - COMERCIO AL POR MENOR DE ARTICULOS FOTOGRAFICOS", 
      "930990 - OTRAS ACTIVIDADES DE SERVICIOS PERSONALES N.C.P.",
      "930990 - OTRAS ACTIVIDADES DE SERVICIOS PERSONALES N.C.P.",
      "930990 - OTRAS ACTIVIDADES DE SERVICIOS PERSONALES N.C.P.")

      df<-data.frame(rut,econ.activ)

      df %>% separate(col = "econ.activ", into = c("folio", "descripción"), sep = "\\-")

这是错误消息

警告讯息：在174个位置的值太多：3645,4401,5118,10013,10018,10023,10905,10907,10921,10923,10928,10930,10935,10937,10942,10944,11586,13556,13557,13614，......

提前致谢。

Answer 1

某些行中可能有多个-，这可能是警告的原因。一个选项是来自cSplit的{{1}}。它将根据特定行中“ - ”的最大数量（即“n”）将“econ.activ”拆分为“n”列。默认情况下，如果某些行中的“ - ”数量较少，它会将NA填充到列。

splitstackshape

如果我们需要重现警告，只需在其中一个元素中插入另一个library(splitstackshape) cSplit(df, "econ.activ", sep="-")

警告消息：1个位置的值太多：3

这是因为df$econ.activ <- as.character(df$econ.activ) df$econ.activ[3] <- "930990 - OTRAS - SEP" df %>% separate(col = "econ.activ", into = c("folio", "descripción"), sep = "\\-") --- ---有一个参数separate，默认为extra。还有其他选项，例如warn或drop。如果我们使用merge，则从第二个drop开始删除子字符串

并且使用df %>% separate(col = "econ.activ", into = c("folio", "descripción"), sep = "\\-", extra="drop") # rut folio descripción #1 50001780 552010 RESTAURANTES #2 50001810 930990 OTRAS ACTIVIDADES DE SERVICIOS PERSONALES N.C.P. #3 50001820 930990 OTRAS #4 50001850 930990 OTRAS ACTIVIDADES DE SERVICIOS PERSONALES N.C.P. #5 50001890 930990 OTRAS ACTIVIDADES DE SERVICIOS PERSONALES N.C.P. #6 50001940 930990 OTRAS ACTIVIDADES DE SERVICIOS PERSONALES N.C.P.，它会在“descripción”列中保留该子字符串。所以，基本上，它取决于OP想要的输出

extra = "merge"

tidyr :: separate不适用于大型data.frame

1 个答案: