问题：stringplit允许在单个带有更多空格的异常数据结构后选择正确的块

Question

我需要重新解释一下我的问题，因为我的数据框中没有包含其他类型的数据，这会在使用空格分割时导致很多问题。真的很抱歉！

重要提示：整个数据集中不能信任空白，因为它们以不稳定的方式出现，即使在相同类型的日期内（我的示例中为type1a，type1b）

df <- data.table(v=c( "       555 OUT XYZ STR44W PASSED TRUE",   #interesting data type1
                      "       A 45 OUT XYW STR44W PASSED TRUE",
                      "       555 OUT XYZ STR55W PASSED TRUE",
                      "       6755 OUT XYZ 4444W PASSED TRUE",
                      "  75/850CC/PF                         ",   #eratic data to be ignored
                      " BY HHU 56TT00 6 415 UP HHU 88H900   ",   #interesting data type2
                      "       555 OUT WWWZ STR44W PASSED TRUE"))

期望的结果：

T1  T2  T1_V1   T1_V2   T1_V3   T2_V1   T2_V2   T2_V3   T2_V4 T2_V5
1   0   555     XYZ     STR44W  NA      NA      NA      NA    NA
1   0   A 45    XYW     STR44W  NA      NA      NA      NA    NA
1   0   555     XYZ     STR55W  NA      NA      NA      NA    NA
1   0   6755    XYZ     4444W   NA      NA      NA      NA    NA
0   0   NA      NA      NA      NA      NA      NA      NA    NA
0   1   NA      NA      NA      HHU     56TT00  6 415   HHU   88H900
1   0   555     NA      STR44W  NA      NA      NA      NA    NA

现在解决type1数据的问题：库（data.table）

df＆lt; - data.table（v = c（“555 OUT XYZ STR44W PASSED TRUE”，＃Type1a “45 OUT XYW STR44W PASSED TRUE”，＃Type1b “555 OUT XYZ STR55W PASSED TRUE”，＃Type1a “6755 OUT XYZ 4444W PASSED TRUE”，＃Type1a “75 / 850CC / PF”，＃!!新的eratic数据 “BY HHU 56TT00 6 415 UP HHU 88H900”，＃Type2 “555 OUT WWWZ STR44W PASSED TRUE”））＃Type1a

df$T1<-0
df$T1[grepl("PASSED TRUE", df$v)]<-1
df$T1_V1[df$T1==1]<-df$T1_V1
df$T1_V1[df$T1==1] <-gsub("\\OUT.*","",df$v) #Getting rid of the everything after "OUT"
df$T1_V2[df$T1==1]<-gsub(".*\\OUT","",df$v)#Getting rid of the everything before "OUT"
df$T1_V2 <-gsub("\\PASSED.*","",df$T1_V2) #Getting rid of the everything after "PASSED"
df$T1_V2<-strsplit(df$T1_V2, "[[:blank:]*]") # Seperation of the two relevant strings by stringsplit
df$T1_V2<- lapply(df$T1_V2, head)

问题：stringplit允许在单个带有更多空格的异常数据结构后选择正确的块

- ＆GT; gsub字符串是额外的努力，但有一些数据，这是确保不稳定的空白不会弄乱变量的唯一方法

- ＆GT;如何将df $ T1_V2转换回普通字符变量而没有空格？

老问题：

第一篇文章，我尽力找到答案并准备我的问题。

我需要清理一个令人讨厌的字符串，其中有很多空格不规则。我尝试在“OUT”之前获得第一个块，在“OUT”和“PASSED”之间获得第二个和第三个块。之后，应使用列表检查数据，以控制v4是否正确。

使用stringsplit和afterwars head / tail不起作用，我将非常感谢任何帮助！非常感谢提前

library(data.table)

df <- data.table(v=c("       555 OUT XYZ STR44W PASSED TRUE",
                                  "       A 45 OUT XYW STR44W PASSED TRUE",
                                  "       555 OUT XYZ STR55W PASSED TRUE",
                                  "       6755 OUT XYZ 4444W PASSED TRUE",
                                  "       555 OUT WWWZ STR44W PASSED TRUE"))
control <-data.table(control=c("XYZ","PPO","XMX","WWWZ"))

df$v1 <-gsub("\\OUT.*","",df$v) #Getting rid of the everything after "OUT"
df$v2<-gsub(".*\\OUT","",df$v) #Getting rid of the everything before "OUT"
df$v2 <-gsub("\\PASSED.*","",df$v2) #Getting rid of the everything after "PASSED"
df$v2<-strsplit(df$v2, "[[:blank:]*]") # Seperation of the two relevant strings by stringsplit
df$v3<- lapply(df$v2, head) #Taking the first element from the stringsplit 
df$v4<- lapply(df$v2, head,2) #Taking the second element from the stringsplit

运行之后，在r-studio中我得到v（“”，“XYZ”）为v4。第一个元素似乎是一个空元素？我不能通过直接从我的控制列表（fail1）控制，也不能通过转换（fail2）或unlist（fail3）继续使用该表达式

#fail#1
df$v4[!(df$v4 %in% control$control)] <- NA

#fail#2
df$v4 <- as.character(df$v4)

#fail3
df$v4 <- unlist(df$v4)

Answer 1

这适用于您当前的数据，使其更整洁。

library(data.table)

df <- data.table(v=c("       555 OUT XYZ STR44W PASSED TRUE",
                                  "       A 45 OUT XYW STR44W PASSED TRUE",
                                  "       555 OUT XYZ STR55W PASSED TRUE",
                                  "       6755 OUT XYZ 4444W PASSED TRUE",
                                  "       555 OUT WWWZ STR44W PASSED TRUE"))
control <-data.table(control=c("XYZ","PPO","XMX","WWWZ"))

df$v1 <-gsub("\\OUT.*","",df$v) #Getting rid of the everything after "OUT"
df$v2<-gsub(".*\\OUT","",df$v) #Getting rid of the everything before "OUT"

修剪空格并用空格分割，然后将其cbind到当前的df。然后我们可以重命名列，以便更容易导航。

lists <- strsplit(trimws(df$v2), " ")
extra <- data.frame(do.call(rbind, lists))
newdf <- cbind(df, extra)
colnames(newdf) <- c("full string", paste0("piece_", 1:6))

newdf
                              full string      piece_1                  piece_2 piece_3 piece_4 piece_5 piece_6
1:         555 OUT XYZ STR44W PASSED TRUE         555    XYZ STR44W PASSED TRUE     XYZ  STR44W  PASSED    TRUE
2:        A 45 OUT XYW STR44W PASSED TRUE        A 45    XYW STR44W PASSED TRUE     XYW  STR44W  PASSED    TRUE
3:         555 OUT XYZ STR55W PASSED TRUE         555    XYZ STR55W PASSED TRUE     XYZ  STR55W  PASSED    TRUE
4:         6755 OUT XYZ 4444W PASSED TRUE        6755     XYZ 4444W PASSED TRUE     XYZ   4444W  PASSED    TRUE
5:        555 OUT WWWZ STR44W PASSED TRUE         555   WWWZ STR44W PASSED TRUE    WWWZ  STR44W  PASSED    TRUE

Answer 2

我并不完全明白你的最终结果要求是什么。您无需在每一步都使用gsub。您可以按space拆分所有内容，然后选择需要进一步操作的列。

library(tidyr)
library(splitstackshape) # cSplit function    

df_selected <- df %>% cSplit("v", " ") %>% select(v_1,v_3,v_4,v_6)

control <-data.table(control=c("XYZ","PPO","XMX","WWWZ"))
filter(df_selected, v_3 %in% control$control)

R：stringsplit上的头/尾

问题：stringplit允许在单个带有更多空格的异常数据结构后选择正确的块

- ＆GT; gsub字符串是额外的努力，但有一些数据，这是确保不稳定的空白不会弄乱变量的唯一方法

- ＆GT;如何将df $ T1_V2转换回普通字符变量而没有空格？

2 个答案: