Podziel kolumnę ciągu ramki danych na wiele kolumn

Chciałbym wziąć dane z formularza

before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
  attr          type
1    1   foo_and_bar
2   30 foo_and_bar_2
3    4   foo_and_bar
4    6 foo_and_bar_2

i użyj split()powyższej kolumny „ type”, aby uzyskać coś takiego:

  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

Wymyśliłem coś niewiarygodnie złożonego z jakąś działającą formą apply, ale od tego czasu zgubiłem to. Wydawało się to zbyt skomplikowane, aby być najlepszym sposobem. Mogę użyć, strsplitjak poniżej, ale potem niejasne, jak odzyskać to z powrotem do 2 kolumn w ramce danych.

> strsplit(as.character(before$type),'_and_')
[[1]]
[1] "foo" "bar"

[[2]]
[1] "foo"   "bar_2"

[[3]]
[1] "foo" "bar"

[[4]]
[1] "foo"   "bar_2"

Dzięki za wszelkie wskazówki. Do tej pory nie zaznajomiłem się z listami R.

Posługiwać się stringr::str_split_fixed

library(stringr)
str_split_fixed(before$type, "_and_", 2)

Inną opcją jest użycie nowego pakietu Tidyr.

library(dplyr)
library(tidyr)

before <- data.frame(
  attr = c(1, 30 ,4 ,6 ), 
  type = c('foo_and_bar', 'foo_and_bar_2')
)

before %>%
  separate(type, c("foo", "bar"), "_and_")

##   attr foo   bar
## 1    1 foo   bar
## 2   30 foo bar_2
## 3    4 foo   bar
## 4    6 foo bar_2

5 lat później dodano obowiązkowe data.tablerozwiązanie

library(data.table) ## v 1.9.6+ 
setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_")]
before
#    attr          type type1 type2
# 1:    1   foo_and_bar   foo   bar
# 2:   30 foo_and_bar_2   foo bar_2
# 3:    4   foo_and_bar   foo   bar
# 4:    6 foo_and_bar_2   foo bar_2

Możemy również upewnić się, że wynikowe kolumny będą miały poprawne typy i poprawić wydajność poprzez dodawanie type.converti fixedargumenty (ponieważ "_and_"tak naprawdę nie jest wyrażeniem regularnym)

setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_", type.convert = TRUE, fixed = TRUE)]

Jeszcze inne podejście: użyj rbindna out:

before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))  
out <- strsplit(as.character(before$type),'_and_') 
do.call(rbind, out)

     [,1]  [,2]   
[1,] "foo" "bar"  
[2,] "foo" "bar_2"
[3,] "foo" "bar"  
[4,] "foo" "bar_2"

I połączyć:

data.frame(before$attr, do.call(rbind, out))

Zauważ, że sapply z „[” może być użyty do wyodrębnienia pierwszego lub drugiego elementu z tych list, więc:

before$type_1 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 1)
before$type_2 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 2)
before$type <- NULL

A oto metoda gsub:

before$type_1 <- gsub("_and_.+$", "", before$type)
before$type_2 <- gsub("^.+_and_", "", before$type)
before$type <- NULL

oto jedna linijka wzdłuż tych samych linii co rozwiązanie aniko, ale przy użyciu pakietu stringr Hadleya:

do.call(rbind, str_split(before$type, '_and_'))

Aby dodać do opcji, możesz również użyć mojej splitstackshape::cSplitfunkcji w następujący sposób:

library(splitstackshape)
cSplit(before, "type", "_and_")
#    attr type_1 type_2
# 1:    1    foo    bar
# 2:   30    foo  bar_2
# 3:    4    foo    bar
# 4:    6    foo  bar_2

Prostym sposobem jest użycie sapply()i [funkcja:

before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
out <- strsplit(as.character(before$type),'_and_')

Na przykład:

> data.frame(t(sapply(out, `[`)))
   X1    X2
1 foo   bar
2 foo bar_2
3 foo   bar
4 foo bar_2

sapply()Wynikiem jest matryca, która wymaga transpozycji i przeniesienia z powrotem do ramki danych. Są to wtedy proste manipulacje, które dają pożądany rezultat:

after <- with(before, data.frame(attr = attr))
after <- cbind(after, data.frame(t(sapply(out, `[`))))
names(after)[2:3] <- paste("type", 1:2, sep = "_")

W tym momencie afterjest to, czego chciałeś

> after
  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

Temat jest prawie wyczerpany, chciałbym jednak zaproponować rozwiązanie nieco bardziej ogólnej wersji, w której a priori nie znasz liczby kolumn wyjściowych. Na przykład masz

before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2', 'foo_and_bar_2_and_bar_3', 'foo_and_bar'))
  attr                    type
1    1             foo_and_bar
2   30           foo_and_bar_2
3    4 foo_and_bar_2_and_bar_3
4    6             foo_and_bar

Nie możemy użyć dplyr, separate()ponieważ nie znamy liczby kolumn wynikowych przed podziałem, więc stworzyłem funkcję, która używa stringrdo dzielenia kolumny, biorąc pod uwagę wzorzec i prefiks nazwy dla wygenerowanych kolumn. Mam nadzieję, że zastosowane wzorce kodowania są prawidłowe.

split_into_multiple <- function(column, pattern = ", ", into_prefix){
  cols <- str_split_fixed(column, pattern, n = Inf)
  # Sub out the ""'s returned by filling the matrix to the right, with NAs which are useful
  cols[which(cols == "")] <- NA
  cols <- as.tibble(cols)
  # name the 'cols' tibble as 'into_prefix_1', 'into_prefix_2', ..., 'into_prefix_m' 
  # where m = # columns of 'cols'
  m <- dim(cols)[2]

  names(cols) <- paste(into_prefix, 1:m, sep = "_")
  return(cols)
}

Następnie możemy użyć split_into_multiplew rurze Dplyr w następujący sposób:

after <- before %>% 
  bind_cols(split_into_multiple(.$type, "_and_", "type")) %>% 
  # selecting those that start with 'type_' will remove the original 'type' column
  select(attr, starts_with("type_"))

>after
  attr type_1 type_2 type_3
1    1    foo    bar   <NA>
2   30    foo  bar_2   <NA>
3    4    foo  bar_2  bar_3
4    6    foo    bar   <NA>

A potem możemy użyć gatherdo uporządkowania ...

after %>% 
  gather(key, val, -attr, na.rm = T)

   attr    key   val
1     1 type_1   foo
2    30 type_1   foo
3     4 type_1   foo
4     6 type_1   foo
5     1 type_2   bar
6    30 type_2 bar_2
7     4 type_2 bar_2
8     6 type_2   bar
11    4 type_3 bar_3

Oto podstawowa linijka R, która nakłada się na szereg poprzednich rozwiązań, ale zwraca ramkę data.frame z właściwymi nazwami.

out <- setNames(data.frame(before$attr,
                  do.call(rbind, strsplit(as.character(before$type),
                                          split="_and_"))),
                  c("attr", paste0("type_", 1:2)))
out
  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

Używa go strsplitdo rozbicia zmiennej i za data.framepomocą do.call/ rbinddo ponownego umieszczenia danych w ramce data.frame. Dodatkowym dodatkowym ulepszeniem jest setNamesdodanie nazw zmiennych do data.frame.

To pytanie jest dość stare, ale dodam rozwiązanie, które uważam obecnie za najprostsze.

library(reshape2)
before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
newColNames <- c("type1", "type2")
newCols <- colsplit(before$type, "_and_", newColNames)
after <- cbind(before, newCols)
after$type <- NULL
after

Od wersji R 3.4.0 można korzystać strcapture()z pakietu utils (dołączonego do podstawowych instalacji R), wiążąc dane wyjściowe z innymi kolumnami.

out <- strcapture(
    "(.*)_and_(.*)",
    as.character(before$type),
    data.frame(type_1 = character(), type_2 = character())
)

cbind(before["attr"], out)
#   attr type_1 type_2
# 1    1    foo    bar
# 2   30    foo  bar_2
# 3    4    foo    bar
# 4    6    foo  bar_2

Innym podejściem, jeśli chcesz się trzymać, strsplit()jest użycie unlist()polecenia. Oto rozwiązanie zgodne z tymi zasadami.

tmp <- matrix(unlist(strsplit(as.character(before$type), '_and_')), ncol=2,
   byrow=TRUE)
after <- cbind(before$attr, as.data.frame(tmp))
names(after) <- c("attr", "type_1", "type_2")

podstawowy, ale prawdopodobnie wolny:

n <- 1
for(i in strsplit(as.character(before$type),'_and_')){
     before[n, 'type_1'] <- i[[1]]
     before[n, 'type_2'] <- i[[2]]
     n <- n + 1
}

##   attr          type type_1 type_2
## 1    1   foo_and_bar    foo    bar
## 2   30 foo_and_bar_2    foo  bar_2
## 3    4   foo_and_bar    foo    bar
## 4    6 foo_and_bar_2    foo  bar_2

Oto inne podstawowe rozwiązanie R. Możemy użyć, read.tableale ponieważ akceptuje on tylko separgument jednobajtowy, a tutaj mamy separator wielobajtowy, którego możemy użyć gsubdo zastąpienia separatora wielobajtowego dowolnym separatorem jednobajtowym i użyć go jako separgumentu wread.table

cbind(before[1], read.table(text = gsub('_and_', '\t', before$type), 
                 sep = "\t", col.names = paste0("type_", 1:2)))

#  attr type_1 type_2
#1    1    foo    bar
#2   30    foo  bar_2
#3    4    foo    bar
#4    6    foo  bar_2

W takim przypadku możemy również go skrócić, zastępując go domyślnym separgumentem, abyśmy nie musieli wyraźnie o tym wspominać

cbind(before[1], read.table(text = gsub('_and_', ' ', before$type), 
                 col.names = paste0("type_", 1:2)))