在带有矢量元素的小标题上使用 dplyr 时出现问题 [列出列]

Question

我在使用 dplyr 和 stringr 函数（特别是 str_split()）进行文本处理时遇到了一些问题。我想我误解了在处理向量/列表元素时如何正确使用 dplyr 的一些非常基本的东西。

这是一个小标题，df...

library(tidyverse)

df <- tribble(
  ~item, ~phrase,
  "one",   "romeo and juliet",
  "two",   "laurel and hardy",
  "three", "apples and oranges and pears and peaches"
)

现在我创建一个新列 splitPhrase，方法是在其中一个列上使用“and”作为分隔符执行 str_split() .

df <- df %>%
      mutate(splitPhrase = str_split(phrase,"and")) 

在 RStudio 中我看到了这个...

在控制台中，我看到我的新列 splitPhrase 实际上是由列表组成的……但在 Rstudio 显示中看起来是正确的，对吧？

df
#> # A tibble: 3 x 3
#>   item  phrase                                   splitPhrase
#>   <chr> <chr>                                    <list>     
#> 1 one   romeo and juliet                         <chr [2]>  
#> 2 two   laurel and hardy                         <chr [2]>  
#> 3 three apples and oranges and pears and peaches <chr [4]>

我最终想要做的是提取每个 splitPhrase 的 last 项。换句话说，我想达到这个...

问题是我看不到如何只抓取每个 splitPhrase 中的最后一个元素。如果它只是一个向量，我可以做这样的事情......

#> last( c("a","b","c") )
#[1] "c"
#> 

但这在 tibble 中不起作用，其他想到的东西也不起作用：

df <- df %>% 
       mutate(lastThing = last(splitPhrase))
# Error in mutate_impl(.data, dots) : 
#   Column `lastThing` must be length 3 (the number of rows) or one, not 4

df <- df %>% group_by(splitPhrase) %>%
  mutate(lastThing = last(splitPhrase))
# Error in grouped_df_impl(data, unname(vars), drop) : 
#  Column `splitPhrase` can't be used as a grouping variable because it's a list

所以，我认为我“没有得到”如何使用 table/tibble 列中元素内的向量。这似乎与在我的示例中它实际上是一个向量列表这一事实有关。

这里有什么特别的功能可以帮助我，或者有更好的方法来解决这个问题吗？

^{由reprex package (v0.2.1) 于 2018 年 9 月 27 日创建}

Answer 1

“splitPhrase”列是list，因此我们循环通过list 来获取元素

library(tidyverse)
df %>% 
   mutate(splitPhrase = str_split(phrase,"\\s*and\\s*"),
          Last = map_chr(splitPhrase, last)) %>%
   select(item, Last)

---

但是，它可以通过多种方式完成。使用separate_rows，展开列，然后得到last元素按'item'分组

df %>% 
  separate_rows(phrase,sep = " and ") %>% 
  group_by(item) %>% 
  summarise(Last = last(phrase))

Answer 2

没有测试效率，但我们也可以使用正则表达式提取最后一个“and”之后的字符串段：

与sub:

library(dplyr)
df %>%
  mutate(lastThing = sub("^.*and\\s", "", phrase)) %>%
  select(-phrase)

与str_extract:

library(stringr)
df %>%
  mutate(lastThing = str_extract(phrase, "(?<=and\\s)\\w+$")) %>%
  select(-phrase)

与extract:

library(tidyr)
df %>%
  extract(phrase, "lastThing", "^.*and\\s(\\w+)")

输出：

# A tibble: 3 x 2
  item  lastThing
  <chr> <chr>    
1 one   juliet   
2 two   hardy    
3 three peaches