tidyr 在多列上使用单独的行

Posted 2023-02-14

【中文标题】tidyr 在多列上使用单独的行

【英文标题】：tidyr use separate_rows over multiple columns

【发布时间】：2017-02-16 18:49:39

【问题描述】：

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那些字符串分开。这很容易使用

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

如果一次完成一列。但我不能同时对“b”和“c”两个列执行此操作，因为它要求每个字符串中的名称数量相同。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做到这一点，例如申请？类似的东西

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

不确定如何将参数传递给separate_rows() 函数。

【参考方案1】：

您可以使用管道。请注意，sep = ", " 会被自动检测到。

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 %>% 运算符包含在包中。

---

更新：使用@doscendodiscimus 注释，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任意多的列。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本separate_rows_。

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

它给出了更新的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

【讨论】：

是的，我可以为每一行写同一行，但有没有办法为 n 列执行此操作？如果您有 10 列或更多列，它会变得乏味。关于 cols 参数，如果同时包含两列，则会出现错误。

@user23413，如果您想坚持使用tidyr，可以尝试像for(col in c("b", "c")) d <- separate_rows_(d, col, sep = ",") 这样的循环

@docendodiscimus - 你想发布那个吗？我同意这是要走的路。

@RichScriven，不，如果您喜欢，可以将其添加到您的帖子中：)

也可以试试这个变体：d %>% Reduce(f = separate_rows_, x = c("b", "c"))

【参考方案2】：

这是使用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