regex - 使用tidyr将字符串长度不均匀的行拆分为R中的列

This question already has answers here:

Split data frame string column into multiple columns

（15个答案）


4年前关闭。





编辑：这被标记为重复。它不是。这里的问题不仅是将单个列拆分为多个列，因为我的单独代码本来可以工作。我的问题的重点是当行字符串具有不同长度的列输出时拆分列。

我正试图扭转这个：

data <- c("Place1-Place2-Place2-Place4-Place2-Place3-Place5",
          "Place7-Place7-Place7-Place7-Place7-Place7-Place7-Place7",
          "Place1-Place1-Place1-Place1-Place3-Place5",
          "Place1-Place4-Place2-Place3-Place3-Place5-Place5",
          "Place6-Place6",
          "Place1-Place2-Place3-Place4")

变成这个：

      X1     X2     X3     X4     X5     X6     X7     X8
1 Place1 Place2 Place2 Place4 Place2 Place3 Place5
2 Place7 Place7 Place7 Place7 Place7 Place7 Place7 Place7
3 Place1 Place1 Place1 Place1 Place3 Place5
4 Place1 Place4 Place2 Place3 Place3 Place5 Place5
5 Place6 Place6
6 Place1 Place2 Place3 Place4

我尝试通过以下代码使用tidyr的单独函数：

library(data.table)
data <- as.data.table(data)
data_table <- tidyr::separate(data,
                            data,
                            sep="-",
                            into = strsplit(data$data, "-"),
                            fill = "right")

可悲的是我遇到了这个错误：

Warning message:
Too many values at 3 locations: 1, 2, 4

我需要更改使其工作吗？

最佳答案

您正确指定目标列：

library(tidyr)
separate(DF, V1, paste0("X",1:8), sep="-")

这使：

      X1     X2     X3     X4     X5     X6     X7     X8
1 Place1 Place2 Place2 Place4 Place2 Place3 Place5   <NA>
2 Place7 Place7 Place7 Place7 Place7 Place7 Place7 Place7
3 Place1 Place1 Place1 Place1 Place3 Place5   <NA>   <NA>
4 Place1 Place4 Place2 Place3 Place3 Place5 Place5   <NA>
5 Place6 Place6   <NA>   <NA>   <NA>   <NA>   <NA>   <NA>
6 Place1 Place2 Place3 Place4   <NA>   <NA>   <NA>   <NA>

如果您不知道事先需要多少目标列，则可以使用：

> max(sapply(strsplit(as.character(DF$V1),'-'),length))
[1] 8

提取最大零件数（因此就是您需要的列数）。



其他几种方法：

splitstackshape：

library(splitstackshape)
cSplit(DF, "V1", sep="-", direction = "wide")

弦乐：

library(stringi)
as.data.frame(stri_list2matrix(stri_split_fixed(DF$V1, "-"), byrow = TRUE))

data.table：

library(data.table)
setDT(DF)[, paste0("v", 1:8) := tstrsplit(V1, "-")][, V1 := NULL][]

纵梁：

library(stringr)
as.data.frame(str_split_fixed(DF$V1, "-",8))

所有这些都给出相似的结果。



使用的数据：

DF <- data.frame(V1=c("Place1-Place2-Place2-Place4-Place2-Place3-Place5",
                      "Place7-Place7-Place7-Place7-Place7-Place7-Place7-Place7",
                      "Place1-Place1-Place1-Place1-Place3-Place5",
                      "Place1-Place4-Place2-Place3-Place3-Place5-Place5",
                      "Place6-Place6",
                      "Place1-Place2-Place3-Place4"))