将数据框字符串列拆分为多个不同的列[重复]答案

【问题标题】：Splitting a dataframe string column into multiple different columns [duplicate]将数据框字符串列拆分为多个不同的列[重复]
【发布时间】：2023-04-05 00:09:03
【问题描述】：

我想要完成的是将一列拆分为多列。我希望第一列包含“F”，第二列包含“US”，第三列“CA6”或“DL”，第四列包含“Z13”或“U13”等。我的整个df遵循相同的模式X.XX.XXXX.XXX 或 X.XX.XXX.XXX 或 X.XX.XX.XXX 我知道第三列是我的问题所在，因为长度不同。我过去只使用过 substr ，我可以在这里使用一些 if 语句，但想学习如何使用 stringr 包和 POSIX 来做到这一点（除非有更好的选择）。提前谢谢你。

这是我的 df：

c("F.US.CLE.V13", "F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", 
"F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", 
"F.US.DL.U13", "F.US.DL.U13", "F.US.DL.U13", "F.US.DL.Z13", "F.US.DL.Z13"
)

【问题讨论】：

标签： r split dataframe stringr

【解决方案1】：

一个非常直接的方法是在你的字符向量上使用read.table：

> read.table(text = text, sep = ".", colClasses = "character")
   V1 V2  V3  V4
1   F US CLE V13
2   F US CA6 U13
3   F US CA6 U13
4   F US CA6 U13
5   F US CA6 U13
6   F US CA6 U13
7   F US CA6 U13
8   F US CA6 U13
9   F US  DL U13
10  F US  DL U13
11  F US  DL U13
12  F US  DL Z13
13  F US  DL Z13

需要指定colClasses，否则F 将转换为FALSE（这是我需要在“splitstackshape”中修复的问题，否则我会建议:)）

更新（> 一年后）...

或者，您可以使用my cSplit function，如下所示：

cSplit(as.data.table(text), "text", ".")
#     text_1 text_2 text_3 text_4
#  1:      F     US    CLE    V13
#  2:      F     US    CA6    U13
#  3:      F     US    CA6    U13
#  4:      F     US    CA6    U13
#  5:      F     US    CA6    U13
#  6:      F     US    CA6    U13
#  7:      F     US    CA6    U13
#  8:      F     US    CA6    U13
#  9:      F     US     DL    U13
# 10:      F     US     DL    U13
# 11:      F     US     DL    U13
# 12:      F     US     DL    Z13
# 13:      F     US     DL    Z13

或者，来自“tidyr”的separate，像这样：

library(dplyr)
library(tidyr)

as.data.frame(text) %>% separate(text, into = paste("V", 1:4, sep = "_"))
#    V_1 V_2 V_3 V_4
# 1    F  US CLE V13
# 2    F  US CA6 U13
# 3    F  US CA6 U13
# 4    F  US CA6 U13
# 5    F  US CA6 U13
# 6    F  US CA6 U13
# 7    F  US CA6 U13
# 8    F  US CA6 U13
# 9    F  US  DL U13
# 10   F  US  DL U13
# 11   F  US  DL U13
# 12   F  US  DL Z13
# 13   F  US  DL Z13

【讨论】：

+1 该死的阿南达。让我觉得你做的很愚蠢。 :-)
还有splitstackshape，你不是说shapeshifter吗？
哇。这太简单了。
shapeshifter 或 shapeshiftR 更酷。
现在复选标记是你的了！

【解决方案2】：

这是你想要做的吗？

# Our data
text <- c("F.US.CLE.V13", "F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", 
"F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", 
"F.US.DL.U13", "F.US.DL.U13", "F.US.DL.U13", "F.US.DL.Z13", "F.US.DL.Z13"
)

#  Split into individual elements by the '.' character
#  Remember to escape it, because '.' by itself matches any single character
elems <- unlist( strsplit( text , "\\." ) )

#  We know the dataframe should have 4 columns, so make a matrix
m <- matrix( elems , ncol = 4 , byrow = TRUE )

#  Coerce to data.frame - head() is just to illustrate the top portion
head( as.data.frame( m ) )
#  V1 V2  V3  V4
#1  F US CLE V13
#2  F US CA6 U13
#3  F US CA6 U13
#4  F US CA6 U13
#5  F US CA6 U13
#6  F US CA6 U13

【讨论】：

这就是我要找的！和 R 一样，有很多方法可以到达那里。谢谢您的帮助。只需使用合并命令将新的 df 合并回我的主 df 吗？
@Tim 没有看到你的data.frame的结构有点难说，但你可以试一试，看看它是否有效？否则，编辑您的问题并粘贴到dput( head( df ) ) 的输出中以获得更可靠的答案！ :-)
我只需要unlist()。谢谢
感谢您评论您的代码。评论“记住要逃避它，因为'。'本身匹配任何单个字符”帮助我解决了我的问题。非常感谢:)

【解决方案3】：

通过unlist 和matrix 的方式似乎有点复杂，需要你硬编码元素的数量（这实际上是一个很大的禁忌。当然你可以绕过硬编码这个数字并在运行时确定）

我会走一条不同的路线，直接从strsplit 返回的列表中构造一个数据框。对我来说，这在概念上更简单。基本上有两种方法可以做到这一点：

as.data.frame——但由于列表完全是错误的（我们有一个行列表而不是列列表），我们必须转置结果。我们还清除了rownames，因为默认情况下它们很难看（但这完全没有必要！）：
```
`rownames<-`(t(as.data.frame(strsplit(text, '\\.'))), NULL)
```
或者，使用rbind 从行列表构造数据框。我们使用do.call 调用rbind，并将所有行作为单独的参数：
```
do.call(rbind, strsplit(text, '\\.'))
```

两种方式产生相同的结果：

     [,1] [,2] [,3]  [,4]
[1,] "F"  "US" "CLE" "V13"
[2,] "F"  "US" "CA6" "U13"
[3,] "F"  "US" "CA6" "U13"
[4,] "F"  "US" "CA6" "U13"
[5,] "F"  "US" "CA6" "U13"
[6,] "F"  "US" "CA6" "U13"
…

显然，第二种方法比第一种简单得多。

【讨论】：

并要求您硬编码元素的数量（这实际上是一个非常大的禁忌。但是在 OP 中给出并指定了列数，所以我真的没有问题。不过还有不错的选择。+1
其实我真的喜欢do.call(rbind, strsplit(text, '\\.'))

【解决方案4】：

我们可以使用tidyr::extract()

x <- c("F.US.CLE.V13", "F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", 
  "F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", "F.US.CA6.U13", 
  "F.US.DL.U13", "F.US.DL.U13", "F.US.DL.U13", "F.US.DL.Z13", "F.US.DL.Z13"
)


library(tidyr)
extract(tibble(data=x),"data", regex = "^(.*?)\\.(.*?)\\.(.*?)\\.(.*?)$",into = LETTERS[1:4])
#> # A tibble: 13 x 4
#>    A     B     C     D    
#>    <chr> <chr> <chr> <chr>
#>  1 F     US    CLE   V13  
#>  2 F     US    CA6   U13  
#>  3 F     US    CA6   U13  
#>  4 F     US    CA6   U13  
#>  5 F     US    CA6   U13  
#>  6 F     US    CA6   U13  
#>  7 F     US    CA6   U13  
#>  8 F     US    CA6   U13  
#>  9 F     US    DL    U13  
#> 10 F     US    DL    U13  
#> 11 F     US    DL    U13  
#> 12 F     US    DL    Z13  
#> 13 F     US    DL    Z13

另一种选择是使用unglue::unglue_data()

# remotes::install_github("moodymudskipper/unglue")
library(unglue)
unglue_data(x,"{A}.{B}.{C}.{D}")
#>    A  B   C   D
#> 1  F US CLE V13
#> 2  F US CA6 U13
#> 3  F US CA6 U13
#> 4  F US CA6 U13
#> 5  F US CA6 U13
#> 6  F US CA6 U13
#> 7  F US CA6 U13
#> 8  F US CA6 U13
#> 9  F US  DL U13
#> 10 F US  DL U13
#> 11 F US  DL U13
#> 12 F US  DL Z13
#> 13 F US  DL Z13

^{由reprex package (v0.3.0) 于 2019-09-14 创建}

【讨论】：