如何将具有多种数据类型的此列拆分为[['education'，'Ph.D.，MIT'] ... ...，分为多个列？

Question

我有一列，其中包含不同类型内的多种数据。它是JSON风格的，但是我不太了解如何使用jsonlite或tidyr::separate来实现此功能。如何将其分成多列？

library(tidyverse)

tribble(~ID, ~data,
        "A", "[['education', 'Ph.D., MIT'], ['interests', 'Econometrics, Causal Inference']]",
        "B", "[['function', 'Social']]",
        "C", "[['research_interests', 'S&P']]",
        "D", "[['field', 'American Politics']]")

我的预期结果将是：

Answer 1

我敢肯定，可能有一种更优雅的方法来做到这一点，但是看看是否能产生您想要的结果：

library(tidyverse)

data <- tribble(~ID, ~data,
        "A", "[['education', 'Ph.D., MIT'], ['interests', 'Econometrics, Causal Inference']]",
        "B", "[['function', 'Social']]",
        "C", "[['research_interests', 'S&P']]",
        "D", "[['field', 'American Politics']]")

column_names <- str_extract_all(data$data, "\\['(?<=').*?(?=')")
column_names <- map(column_names, ~ str_remove(.x, "\\['"))
names(column_names) <- data$ID

values <- str_extract_all(data$data, ",[:space:]'(?<=').*?(?=')")
values <- map(values, ~ str_remove(.x, ",[:space:]'")) 
names(values) <- data$ID

val_df <- data.frame(values)%>%
            gather("ID", "val")
col_df <- data.frame(column_names)%>%
            gather("ID", "col")

bind_cols(col_df, val_df) %>%
  distinct()%>%
  spread(col, val, fill = NA)%>%
  select(-ID1)

不幸的是，这种方法至少取决于两个假设：

1. 列名始终以以下格式“ ['column_name'”
2. 总是以以下格式“，'value']”找到值

我不确定是否可以扩展到您的其余数据，但是请告诉我是否可行。

编辑以解决评论中的其他条件

如果一个ID在一个列中有两个记录，则您至少有两个选择：

1. 为ID创建第二条记录
2. paste将两个值合并为一个值

这是注释中的其他示例记录（假设我的编辑从“研究兴趣”更改为“研究兴趣 s ”，并假定它们与原始数据相同）：

"E", "[['research_interests', 'American Politics'], ['research_interests', 'Democratization']]"

选项1：创建第二条记录

这应该给您两个'E'记录

# Replace last step of the original answer with this:
two_records <- bind_cols(col_df, val_df) %>%
                distinct()%>%
                group_by(col)%>%
                mutate(grouped_id = row_number()) %>%
                spread(col, val, fill = NA)%>%
                select(-ID1, -grouped_id)

选项2：将两个值粘贴到1

这看起来更像是您想要的原始输出

# Replace last step of original answer with this:
paste_records <- bind_cols(col_df, val_df) %>%
                  distinct()%>%
                  group_by(col)%>%
                  mutate(grouped_id = row_number()) %>%
                  spread(col, val, fill = NA)%>%
                  select(-ID1, -grouped_id)

paste_records <- paste_records %>%
  split(paste_records$ID)%>%
  map_df(mutate_if, function(x)length(unique(x))>1, .funs = list(function(x)paste(x,collapse = ", ")))%>%
  distinct()

Answer 2

类似于MillionC-这是一种蛮力方法，对数据进行了大量假设：

library(tidyverse)

tribble(~ID, ~data,
        "A", "[['education', 'Ph.D., MIT'], ['interests', 'Econometrics, Causal Inference']]",
        "B", "[['function', 'Social']]",
        "C", "[['research_interests', 'S&P']]",
        "D", "[['field', 'American Politics']]") -> df

df %>% 
  separate(data, into = c("x1", "x2"), sep = "\\], \\[") %>% 
  gather(x, data, -ID, na.rm = T) %>% 
  separate(data, into = c("k", "v"), sep = "', '") %>%
  mutate_at(vars(k:v), ~gsub("\\[|]|'", "", .)) %>% 
  select(-x) %>% 
  spread(k, v)
#> # A tibble: 4 x 6
#>   ID    education  field      `function` interests         research_intere…
#>   <chr> <chr>      <chr>      <chr>      <chr>             <chr>           
#> 1 A     Ph.D., MIT <NA>       <NA>       Econometrics, Ca… <NA>            
#> 2 B     <NA>       <NA>       Social     <NA>              <NA>            
#> 3 C     <NA>       <NA>       <NA>       <NA>              S&P             
#> 4 D     <NA>       American … <NA>       <NA>              <NA>

^{由reprex package（v0.2.1）于2019-04-26创建}