将一列字符串拆分为几列[重复]
Posted
技术标签:
【中文标题】将一列字符串拆分为几列[重复]【英文标题】：split a column of string in several columns [duplicate] 【发布时间】：2016-03-24 04:47:13 【问题描述】：我有数据框
df=data.frame(x=rnorm(8),y=runif(8),longstring=c("foo_100_Case1","foo_125_Case1","bar_100_Case1","bar_125_Case1","foo_100_Case2","foo_125_Case2","bar_100_Case2","bar_125_Case2"),stringsAsFactors = F)
我需要用分隔符“_”将最后一列分成三列。我一直在做以下事情：
a=matrix(unlist(strsplit(df$longstring,"_",fixed=T)),8,3,byrow = T)
df$type=a[,1]
df$point=a[,2]
df$case=a[,3]
但我想知道是否有更简单的方法：strsplit和unlist的组合特别尴尬，并且不会使代码变得非常可读。
【问题讨论】：
tidyr 包中的函数separate 就是专门为此编写的。
【参考方案1】：
这里有更多选项可供尝试：
我的“splitstackshape”包就是为这类东西设计的……
library(splitstackshape)
cSplit(df, "longstring", "_")
# x y longstring_1 longstring_2 longstring_3
# 1: -1.41524742 0.2123978 foo 100 Case1
# 2: -1.09240237 0.3899935 foo 125 Case1
# 3: 0.39675025 0.2162463 bar 100 Case1
# 4: -1.14996728 0.7608128 bar 125 Case1
# 5: -0.07657172 0.6878348 foo 100 Case2
# 6: 0.29549599 0.2216566 foo 125 Case2
# 7: 1.78622612 0.1496666 bar 100 Case2
# 8: -0.11749579 0.9255409 bar 125 Case2
“data.table”包为我们带来了快速的tstrsplit函数...
library(data.table)
as.data.table(df)[
, paste0("V", 1:3) := tstrsplit(longstring, "_")][
, longstring := NULL][]
如果您有时间并想等待read.table 完成工作...
cbind(df[1:2], read.table(text = df$longstring, sep = "_"))
如果您需要其他快速的东西...
library(iotools)
cbind(df[1:2], mstrsplit(df$longstring, sep = "_"))
【讨论】：
【参考方案2】：你可以试试，
cbind(df[-3], data.frame(do.call('rbind', strsplit(df$longstring,'_'))))
# x y X1 X2 X3
#1 -0.5522704 0.9998266 foo 100 Case1
#2 1.1907351 0.8979460 foo 125 Case1
#3 0.6005691 0.4301610 bar 100 Case1
#4 -1.0698081 0.9626781 bar 125 Case1
#5 -0.8526932 0.9634738 foo 100 Case2
#6 0.0100209 0.2968137 foo 125 Case2
#7 -1.5051358 0.7012956 bar 100 Case2
#8 1.0892584 0.4655736 bar 125 Case2
do.call 函数允许您调用任何 R 函数，而不是一一发送参数，您可以使用列表来保存参数。更多信息?do.call。 do.call 仅返回 X1、X2 和 X3 列，为了获取您的原始数据框，我使用 cbind 绑定原始列。如您所知，strsplit 将字符串拆分为 _。
或者正如@joran 提到的，你可以使用separate from tidyr package like
library(tidyr)
separate(df, longstring, c("X1", "X2", "X3"), sep="_")
# x y X1 X2 X3
#1 -0.5522704 0.9998266 foo 100 Case1
#2 1.1907351 0.8979460 foo 125 Case1
#3 0.6005691 0.4301610 bar 100 Case1
#4 -1.0698081 0.9626781 bar 125 Case1
#5 -0.8526932 0.9634738 foo 100 Case2
#6 0.0100209 0.2968137 foo 125 Case2
#7 -1.5051358 0.7012956 bar 100 Case2
#8 1.0892584 0.4655736 bar 125 Case2
【讨论】：
绝对比我的更具可读性，我喜欢你放弃df$longstring。不过，您能解释一下您的代码吗？ do.call 是什么？为什么你需要cbind 和rbind？为什么在你的代码中需要as.character，而在我的代码中我可以直接写strsplit(df$longstring...)？
好的，我最喜欢tidyr 语法。通常我不喜欢安装包来完成可以在基础 R 中完成的事情，但我真的很喜欢 tidyr 允许我一次性分离和重命名列的事实。而且语法更具可读性！
@DeltaIV 你是对的，tidyr 更具可读性，而且strsplit 中也不需要as.character，因此更新了以上是关于将一列字符串拆分为几列[重复]的主要内容，如果未能解决你的问题，请参考以下文章