Question

我有一个data.frame，其中一些单元格包含逗号分隔值的字符串：

d <- data.frame(a=c(1:3), 
       b=c("name1, name2, name3", "name4", "name5, name6"),
       c=c("name7","name8, name9", "name10" ))

我想将每个名称拆分为自己的单元格的字符串分开。

很容易

tidyr::separate_rows(d, b, sep=",")

如果一次完成一列。但我不能同时对“b”和“c”这两列执行此操作，因为它要求每个字符串中的名称数相同。而不是写

tidyr::separate_rows(d, b, sep=",") 
tidyr::separate_rows(d, c, sep=",")

有没有办法在单行中执行此操作，例如申请？像

这样的东西

apply(d, 2, separate_rows(...))

不确定如何将参数传递给separate_rows()函数。

Answer 1

您可以使用管道。请注意，会自动检测到sep = ", "。

d %>% separate_rows(b) %>% separate_rows(c)
#   a     b      c
# 1 1 name1  name7
# 2 1 name2  name7
# 3 1 name3  name7
# 4 2 name4  name8
# 5 2 name4  name9
# 6 3 name5 name10
# 7 3 name6 name10

注意：使用tidyr版本0.6.0，其中包含%>%运算符。

更新：使用@doscendodiscimus评论，我们可以使用for()循环并在每次迭代中重新分配d。这样我们就可以拥有尽可能多的列。我们将使用列名的字符向量，因此我们需要切换到标准评估版separate_rows_。

cols <- c("b", "c")
for(col in cols) {
    d <- separate_rows_(d, col)
}

提供更新后的d

  a     b      c
1 1 name1  name7
2 1 name2  name7
3 1 name3  name7
4 2 name4  name8
5 2 name4  name9
6 3 name5 name10
7 3 name6 name10

Answer 2

以下是使用splitstackshape::cSplit和zoo::na.locf的替代方法。

library(splitstackshape)
library(zoo)

df <- cSplit(d, 1:ncol(d), "long", sep = ",")
na.locf(df[rowSums(is.na(df)) != ncol(df),])
#    a     b      c
#1:  1 name1  name7
#2:  1 name2  name7
#3:  1 name3  name7
#4:  2 name4  name8
#5:  2 name4  name9
#6:  3 name5 name10
#7:  3 name6 name10

tidyr在多列上使用separate_rows

2 个答案: