Question

我正在尝试将单列数据帧转换为单独的列-数据中的主要描述符是“项目编号”，然后包含有关价格，日期，颜色等的信息。我将列拆分取决于行号，但是由于每一项都有不同的信息量，所以这实际上是行不通的。

我一直在处理这个问题，但是根本没有找到任何东西，因为我不能使用regex创建单独的列（例如，使用str_which），因为信息差异很大逐项。如何使用正则表达式创建间隔，然后将其拆分为该间隔（因此，我需要在单独的列中包含“项目”的每一行之间的信息）。示例数据如下。

data

item 1
$600
red
item 2
$70
item 3
$430
orange
10/11/2017

谢谢！

Answer 1

这是一个根据您希望最终数据集的外观重新格式化数据的功能。对于该函数，您提供数据帧DF，变量var以及正确的列名向量colnames和byitem以选择输出格式（默认是TRUE，它输出的数据帧每item有一行）：

library(tidyverse)

df_transform = function(DF, var, colnames, byitem = TRUE){
  if(byitem){
    ID = sym("rowid")
  }else{
    ID = sym("id")
  }
  DF %>%
    group_by(id = paste0("item", cumsum(grepl("item", var)))) %>%
    mutate(rowid = replace(2:n(), 2:n(), setNames(colnames[1:(n()-1)], 2:n()))) %>%
    filter(!grepl("item", var)) %>%
    spread(!!ID, var)
}

输出：

> df_transform(df, var, c("price", "color", "date"))

# A tibble: 3 x 4
# Groups:   id [3]
  id    color  date       price
  <chr> <fct>  <fct>      <fct>
1 item1 red    <NA>       $600 
2 item2 <NA>   <NA>       $70  
3 item3 orange 10/11/2017 $430 


> df_transform(df, var, c("price", "color", "date"), byitem = FALSE)

# A tibble: 3 x 4
  rowid item1 item2 item3     
  <chr> <fct> <fct> <fct>     
1 color red   <NA>  orange    
2 date  <NA>  <NA>  10/11/2017
3 price $600  $70   $430

请注意，如果中间缺少值，这将不起作用，因为列名是按位置分配的。

数据：

df <- structure(list(var = structure(c(5L, 2L, 9L, 6L, 3L, 7L, 1L, 
8L, 4L), .Label = c("$430", "$600", "$70", "10/11/2017", "item_1", 
"item_2", "item_3", "orange", "red"), class = "factor")), .Names = "var", class = "data.frame", row.names = c(NA, 
-9L))

根据行内容将列分为间隔

1 个答案: