在 r 中重新组织数据

Posted 2023-03-27

【中文标题】在 r 中重新组织数据

【英文标题】：Reorganise Data in r

【发布时间】：2022-01-02 20:09:21

【问题描述】：

例如，我有一张桌子：

House,Name1,[e-mail]
Flat,Name2;Name3,[e-mail];[e-mail]
Mobile Home,Name4,[e-mail]
Camper-Van,Name5;Name6;Name7;Name8,[e-mail];[e-mail];[e-mail];[e-mail]

我需要：

House,Name1,[e-mail]
Flat,Name2,[e-mail]
Flat,Name3,[e-mail]
Mobile Home,Name4,[e-mail]
Camper-Van,Name5,[e-mail]
Camper-Van,Name6,[e-mail]
Camper-Van,Name7,[e-mail]
Camper-Van,Name8,[e-mail]

问题是，一种住房的姓名和电子邮件数量是未知的。

我生成了三个列表：

Housing:      
House
Flat
Campervan 

Names:
Name1
Name2
Name3
Name4
Name5
Name6
Name7
Name8

Email:
[e-mail]
[e-mail]
...
[e-mail]

但是我被困在如何重复 House 和 Flat 和 Campervan，因为第 1 列中每个类别的名称或电子邮件（两者总是完全相同的数量）。这将使所有 List 在长度上相互匹配。

如果我能够做到这一点，我就可以生成我需要的信息。 任何帮助表示赞赏。

注意：姓名和电子邮件地址不一样，例如 Name1 是 hans，他的电子邮件可能是 [e-mail]，通过对姓名和电子邮件进行编号，我确实试图表明电子邮件和姓名是排序的，不能随机入伍

【问题讨论】：

我假设您只有一个电子邮件列表，例如 [e-mail]，而不是 Email8，您想提取这些模式对吗？

是的，但姓名和电子邮件不匹配:(

根据您的示例数据，可以分别映射姓名和电子邮件，例如(name1, name2) -> (email@1, email@2)

是的，我的错我必须澄清这一点，而且我不得不编辑我的露营车以显示一些困难。我确实尝试实施您的解决方案，但被卡住了，所以很明显我确实错过了指出一些事情

我相应地更新了我的答案

【参考方案1】：

library(tidyverse)

example_text <-"House,Name1,Email@1
Flat,Name2;Name3,Email@2;Email@3
Mobile Home,Name4,Email@4
Camper-Van,Name5;Name6;Name7;Name8,Email@5;Email@6;Email@7;Email@8
"
example_text %>%
  read_lines() %>%
  map(~ 
    # the first words until a delimiter
    house <- .x %>% str_extract("^[^;,]+")
    elements <- .x %>% str_remove(house) %>% str_split("[,;]") %>% simplify() %>% discard(~ .x == "")
    # Everything with an @ symbol betwwen two demiliters (, or ;)
    Emails <- elements %>% keep(~ .x %>% str_detect("@"))
    # Everything which is not one of the above
    Names <- elements %>% setdiff(Emails)
    
    tibble(
      House = house,
      Emails = Emails,
      Names = Names
    )
  ) %>%
  reduce(bind_rows)
#> # A tibble: 8 x 3
#>   House       Emails  Names
#>   <chr>       <chr>   <chr>
#> 1 House       Email@1 Name1
#> 2 Flat        Email@2 Name2
#> 3 Flat        Email@3 Name3
#> 4 Mobile Home Email@4 Name4
#> 5 Camper-Van  Email@5 Name5
#> 6 Camper-Van  Email@6 Name6
#> 7 Camper-Van  Email@7 Name7
#> 8 Camper-Van  Email@8 Name8

^{由reprex package (v2.0.1) 于 2021 年 11 月 24 日创建}

【讨论】：

我会试一试，谢谢伙计

【参考方案2】：

使用 data.table 中的数据（使用 setDT() 转换），使用 data.table 连接和 data.table tstrsplit() 函数：

library(data.table)
# Data for the demo (please provide this yourself in future questions)
dt1 <-
  data.table(type = c("House", "Flat", "Mobile", "Camper-van"),
             name = c("Name1", "Name2;Name3", "Name4", "Name5;Name6;Name7;Name8"),
             mail = c("Email1", "Email2;Email3", "Email4", "Email5;Email6;Email7;Email8"))

# solution
dt1[, c("type" = list(type), tstrsplit(name, ";"))][, melt(.SD, id.vars="type")][!is.na(value), .(.I, type, "name" = value)][
  dt1[, c("type" = list(type), tstrsplit(mail, ";"))][, melt(.SD, id.vars="type")][!is.na(value), .(.I, "mail" = value)], on="I"][, -c("I")]

【讨论】：

请注意，如果存在没有电子邮件地址的名称，则此解决方案将失效，反之亦然（例如，您有 name3 但没有 email3）