基于拆分和列的规范化（重塑）数据框

Posted 2023-03-12

【中文标题】基于拆分和列的规范化（重塑）数据框

【英文标题】：Normalizing(Reshaping) data frame based on split and columns

【发布时间】：2013-11-08 13:05:49

【问题描述】：

我有一个包含

的数据框

df 
Date        name             score
12/09/2012  Mahesh\nRahul    120
13/09/2012  abc\nxyz\nrep         110
...........................

我已经尝试过这个以获得原子

name1=str_split(df[,2],"\n")

但不知道如何再次关联，使数据框标准化以便我可以得到的最佳方法是什么

 df 
Date        name     score
12/09/2012  Mahesh   120
12/09/2012  Rahul    120
13/09/2012  abc      110
13/09/2012  xyz      110
13/09/2012  rep      110
...........................

任何有助于在 R 中规范化长数据帧。

编辑

请注意，这只是一个可重复的示例，我的 name 列中有多个名称，并且名称的数量从一行到另一行不等。谢谢。

dput(df) structure(list(Date = structure(1:2, .Label = c("12/09/2012", "13/09/2012 "), class = "factor"), name = structure(c(2L, 1L), .Label = c("abc\nxyz", "Mahesh\nRahul"), class = "factor"), score = structure(c(2L, 1L), .Label = c("110", "120"), class = "factor")), .Names = c("Date", "name", "score"), row.names = c(NA, -2L), class = "data.frame")

【问题讨论】：

请查看link。一个好的可重复示例将帮助其他人更轻松地解决您的问题。

请提供dput(df)的输出，以便我们可以在我们这边复制df

您混淆了原子性的含义。要真正让data.frame 成为原子向量，只需使用unlist( data.frame )，但这不会得到你想要的输出。这是一个关于重塑数据的问题。

@geektrader dput(df) structure(list(Date = structure(1:2, .Label = c("12/09/2012", "13/09/2012"), class= "因子"), 名称 = 结构(c(2L, 1L), .Label = c("abc\nxyz", "Mahesh\nRahul"), class= "因子"), 分数 = 结构(c(2L, 1L) ), .Label = c("110", "120"), class= "factor")), .Names = c("Date", "name", "score"), row.names = c(NA, -2L), class= "data.frame")

下次我会记住如何正确编写可重现的考试，谢谢。

【参考方案1】：

这是一个基于 R 的解决方案

更新

> Names <- strsplit(df$name, "\n")
> n <- sapply(Names, length)
> data.frame(cbind(apply(df[,-2], 2, function(x) rep(x, n)), 
                   name=unlist(Names)), row.names = NULL)[,c(1,3,2)]
        Date   name score
1 12/09/2012 Mahesh   120
2 12/09/2012  Rahul   120
3 13/09/2012    abc   110
4 13/09/2012    xyz   110
5 13/09/2012    rep   110

df 在哪里：

> dput(df)
structure(list(Date = c("12/09/2012", "13/09/2012"), name = c("Mahesh\nRahul", 
"abc\nxyz\nrep"), score = c(120, 110)), .Names = c("Date", "name", 
"score"), row.names = c(NA, -2L), class = "data.frame")

【讨论】：

+1 我同意马修的观点。这没有什么丑陋的。很实用的解决方案。我认为它确实假设所有名称的拆分都是相等的，对吗？还是我误解了？

感谢@MatthewPlourde 和 SimonO101，将删除丑陋的形容词。

注意，这两种方式都假设每行只有两个名字。

data.frame(..., check.names = FALSE) 中的错误：参数暗示不同的行数：R base sol dat1

@Jilber，您需要在这方面做更多工作，以使其适用于“名称”列中的“不平衡”数据。

【参考方案2】：

使用data.table 相对容易（而且速度显然很快）。

require( data.table )
dt <- data.table( df )
dt[ , list( name = unlist( strsplit( name , "\n" ) ) ) , by = list( Date , score ) ]
#         Date score   name
#1: 12/09/2012   120 Mahesh
#2: 12/09/2012   120  Rahul
#3: 13/09/2012   110    abc
#4: 13/09/2012   110    xyz

作为注释，我将df 用作以下数据（注意character 类超过factor 类出现在您的实际数据中......

df <- read.delim( text = "Date    name    score
12/09/2012  'Mahesh\nRahul'   120
13/09/2012  'abc\nxyz'       110" ,
sep = "" , h = TRUE , quote = "\'" , stringsAsFactors = FALSE )

【讨论】：

@Aashu 你读过我关于我的数据与你的数据有何不同的说明吗？具体来说，您的数据中有factor。没有你得到的东西，你的评论不是很有帮助。正如我展示的那样，该代码适用于输入数据。

df=read.csv("abc.csv", header = TRUE,quote = "\'" , check.names = TRUE,stringsAsFactors = FALSE ) ，希望能满足你的条件。跨度>

@Aashu 我认为您不需要quote（我不确定 - 我添加它是为了在我从您的 OP 复制/粘贴数据时正确读取数据）。我建议您以正常方式阅读您的数据，然后只需添加stringsAsFactors = FALSE。

【参考方案3】：

这里已经有很好的答案，但这是使用rle 和inverse.rle 函数的base R 的另一种方式。 @Jilber 的基本 R 解决方案更优雅，但如果您的字符串有两个以上的名称，这种方式将起作用。

df <- read.table(text='Date        name             score
12/09/2012  "Mahesh\nRahul"    120
13/09/2012  "abc\nxyz\nrep"         110', header=TRUE, stringsAsFactors=FALSE)

ns <- strsplit(df$name, '\n')
result <- lapply(lapply(lapply(df, rle), `[[<-`, 'lengths', sapply(ns, length)), inverse.rle)
transform(data.frame(result), name=unlist(ns))
#         Date   name score
# 1 12/09/2012 Mahesh   120
# 2 12/09/2012  Rahul   120
# 3 13/09/2012    abc   110
# 4 13/09/2012    xyz   110
# 5 13/09/2012    rep   110

【讨论】：

+1 仅适用于readClipboard()！多么方便的功能，我从来不知道。

@SimonO101 谢谢，不过我删除了它。这种方式无法正确读取换行符。

您能否在您的帖子中发布str(df) 的输出，或者更好的是dput(df[1:3, ]) 的输出？

【参考方案4】：

要添加替代方案，您可以使用scan 轻松分隔字符串，使用rep 和cbind 得到最终的data.frame

df
#         Date          name score
# 1 12/09/2012 Mahesh\nRahul   120
# 2 13/09/2012 abc\nxyz\nrep   110

scan(text=as.character(df$name), what = "")
# Read 5 items
# [1] "Mahesh" "Rahul"  "abc"    "xyz"    "rep"  

cbind(df[rep(rownames(df), 
             sapply(gregexpr("\n", df$name), length)+1), 
         c("Date", "score")], 
      name = scan(text=as.character(df$name), what = ""))
#           Date score   name
# 1   12/09/2012   120 Mahesh
# 1.1 12/09/2012   120  Rahul
# 2   13/09/2012   110    abc
# 2.1 13/09/2012   110    xyz
# 2.2 13/09/2012   110    rep

read.table 也可以拆分连接的列：

read.table(text = as.character(df$name), sep = "\n", header = FALSE)
#       V1
# 1 Mahesh
# 2  Rahul
# 3    abc
# 4    xyz
# 5    rep