如何在R中拆分数据框列答案

【问题标题】：How to split dataframe column in R如何在R中拆分数据框列
【发布时间】：2015-08-28 15:27:20
【问题描述】：

我在名为 parm_value 的数据框中有一列，我想根据字段中下划线的位置将其分成两列，下界和上界。我一直在尝试使用 grep 和 substring 的组合但没有成功

当前数据帧格式：

   parm_value
1       30_34
2       60_64
3       65_69
4       75_79
5       90_94

所需的数据帧格式：

   parm_value   lower_bound   upper_bound
1       30_34            30            34
2       60_64            60            64
3       65_69            65            69
4       75_79            75            79
5       90_94            90            94

我一直在尝试类似的东西

dat02 <-
   dat01 %>%
   mutate(lower_bound = substring(parm_value, 1, grep("_", parm_value) - 1)

【问题讨论】：

标签： r substring

【解决方案1】：

如果你的data.frame被称为df，你可以试试：

cbind(df, `colnames<-`( do.call("rbind", sapply(df[,1], strsplit, "_")), c("lower bound", "upper bound")))

  #    parm_value lower bound upper bound
  #  1      30_34          30          34
  #  2      60_64          60          64
  #  3      65_69          65          69
  #  4      75_79          75          79
  #  5      90_94          90          94

【讨论】：

【解决方案2】：

使用strsplit:

library(data.table)
xmpl <- data.table(val = rep("65_45", 5))
xmpl[ , lower := sapply(strsplit(val, "_"), "[[", 1)]
xmpl[ , upper := sapply(strsplit(val, "_"), "[[", 2)]

xmpl
#      val lower upper
# 1: 65_45    65    45
# 2: 65_45    65    45
# 3: 65_45    65    45
# 4: 65_45    65    45
# 5: 65_45    65    45

如果它是一个非常大的表，您可以通过只运行一次strsplit，然后在定义新的data.table 字段时调用该对象来节省运行时间。

strsplit 返回一个列表：

strsplit("65_45", "_")
# [[1]]
# [1] "65" "45"

sapply 调用使用子集函数 [[ 选择第 N 项遍历列表，其中 N 在 sapply 中给出为 sapply(some_list, "[[", N)。

【讨论】：

1.9.5 有一个函数tstrsplit 可以拆分和转置结果，这使得这个操作很简单：setDT(df)[, c("l", "h") := tstrsplit(parm_value, "_", fixed=TRUE)]
@Arun 太棒了。期待1.9.6！

【解决方案3】：

你也可以使用splitstackshape中的cSplit

library(splitstackshape)
out = cbind(dat, setnames(cSplit(dat, "parm_value", "_", fixed = FALSE),
      c("lower_bound", "upper_bound")))

#> out
#  parm_value lower_bound upper_bound
#1      30_34          30          34
#2      60_64          60          64
#3      65_69          65          69
#4      75_79          75          79
#5      90_94          90          94

【讨论】：

【解决方案4】：

试试read.table

cbind(df1[1],read.table(text= as.character(df1$parm_value), sep="_", 
             col.names=c('lower_bound', 'upper_bound')))
#    parm_value lower_bound upper_bound
#1      30_34          30          34
#2      60_64          60          64
#3      65_69          65          69
#4      75_79          75          79
#5      90_94          90          94

或separate 来自tidyr

library(tidyr)
separate(df1, parm_value, into=c('lower_bound', 'upper_bound'), remove=FALSE)
#    parm_value lower_bound upper_bound
#1      30_34          30          34
#2      60_64          60          64
#3      65_69          65          69
#4      75_79          75          79
#5      90_94          90          94

【讨论】：