在 dplyr mutate 调用中添加多列答案

【问题标题】：Adding multiple columns in a dplyr mutate call在 dplyr mutate 调用中添加多列
【发布时间】：2014-09-16 03:54:51
【问题描述】：

我有一个带有点分隔字符列的数据框：

> set.seed(310366)
> tst = data.frame(x=1:10,y=paste(sample(c("FOO","BAR","BAZ"),10,TRUE),".",sample(c("foo","bar","baz"),10,TRUE),sep=""))
> tst
    x       y
1   1 BAR.baz
2   2 FOO.foo
3   3 BAZ.baz
4   4 BAZ.foo
5   5 BAZ.bar
6   6 FOO.baz
7   7 BAR.bar
8   8 BAZ.baz

我想将该列拆分为两个新列，其中包含点两侧的部分。 str_split_fixed from package stringr 可以很好地完成这项工作。我所有的价值观绝对是由一个点分隔的两部分，所以我可以这样做：

> require(stringr)
> str_split_fixed(tst$y,"\\.",2)
      [,1]  [,2] 
 [1,] "BAR" "baz"
 [2,] "FOO" "foo"
 [3,] "BAZ" "baz"
 [4,] "BAZ" "foo"
 [5,] "BAZ" "bar"
 [6,] "FOO" "baz"
 [7,] "BAR" "bar"

现在我可以将 cbind 发送到我的数据框，但我想我会弄清楚如何在 dplyr 管道中执行此操作。首先我认为mutate 可以一次性完成：

> tst %.% mutate(parts=str_split_fixed(y,"\\.",2))
Error: wrong result size (20), expected 10 or 1

我可以让mutate 分两次完成：

> tst %.% mutate(part1=str_split_fixed(y,"\\.",2)[,1], part2=str_split_fixed(y,"\\.",2)[,2])
    x       y part1 part2
1   1 BAR.baz   BAR   baz
2   2 FOO.foo   FOO   foo
3   3 BAZ.baz   BAZ   baz
4   4 BAZ.foo   BAZ   foo
5   5 BAZ.bar   BAZ   bar
6   6 FOO.baz   FOO   baz

但那会运行字符串拆分两次。

到目前为止，我能以dplyr 的方式做到的“最好”是这样的（我只是在写这个问题时才发现......）：

> tst %.% do(cbind(.,data.frame(parts=str_split_fixed(.$y,"\\.",2))))
    x       y parts.1 parts.2
1   1 BAR.baz     BAR     baz
2   2 FOO.foo     FOO     foo
3   3 BAZ.baz     BAZ     baz
4   4 BAZ.foo     BAZ     foo
5   5 BAZ.bar     BAZ     bar

这还不错，但在 R 中失去了很多管道事物的可读性。有没有我错过的使用 mutate 的简单方法？

【问题讨论】：

标签： r dplyr

【解决方案1】：

您可以将tidyr 中的separate() 与dplyr 结合使用：

tst %>% separate(y, c("y1", "y2"), sep = "\\.", remove=FALSE)

    x       y  y1  y2
1   1 BAR.baz BAR baz
2   2 FOO.foo FOO foo
3   3 BAZ.baz BAZ baz
4   4 BAZ.foo BAZ foo
5   5 BAZ.bar BAZ bar
6   6 FOO.baz FOO baz
7   7 BAR.bar BAR bar
8   8 BAZ.baz BAZ baz
9   9 FOO.bar FOO bar
10 10 BAR.foo BAR foo

设置 remove=TRUE 将删除 y 列

【讨论】：

不幸的是，separate 在拆分后的结果列数多于指定列时会出错。从这个意义上说，它更像str_split 而不是str_split_fixed。见this feature request。但仍然是一个非常有用的答案，谢谢。
使用extra = "merge"参数可以控制
这是一个很好的答案！谢谢
请注意，默认情况下，任何非字母数字都将用作分隔符，因此在这种情况下不需要设置sep。

【解决方案2】：

This answer 也适用于此；以下方法既是 tidyverse-idiomatic 又是 more performant than separate()（截至 2020 年）：

set.seed(310366)
tst = data.frame(x=1:10,y=paste(sample(c("FOO","BAR","BAZ"),10,TRUE),".",sample(c("foo","bar","baz"),10,TRUE),sep=""))

library(dplyr)
library(purrr)

tst %>% 
  mutate(tmp_chunks = stringr::str_split(y, fixed("."),  n = 2)) %>%
  mutate(y1 = map_chr(tmp_chunks, 1),
         y2 = map_chr(tmp_chunks, 2)) %>%
  select(-tmp_chunks)

... 或者如果你不想y在拆分后，你可以把最后一行改成

  select(-tmp_chunks, -y)

【讨论】：