Strsplit 在每个字符处拆分字符串答案

【问题标题】：Strsplit split string at every characterStrsplit 在每个字符处拆分字符串
【发布时间】：2019-11-15 10:42:14
【问题描述】：

我有一个像这样的庞大数据集：

customer_id     customer_math
  15251           10001010
  10101           11111111
  84787           10101010

我想在每个字符处拆分 customer_math 以获得这样的 df：

customer_id     2012   2013   2014   2015  2016  2017 2018 2019
  15251           1      0     0       0    1     0     1    0
  10101           1      1     1       1    1     1     1    1   
  84787           1      0     1       0    1     0     1    0

我尝试过但失败了。

你能帮我解决这个问题吗？

非常感谢您的支持！

【问题讨论】：

标签： r strsplit

【解决方案1】：

这是一种可能的解决方案，它对正前瞻 (?=.) 进行正则表达式拆分，以在每个字符之前生成拆分。

out <- strsplit(as.character(df$customer_math), "(?=.)", perl=TRUE)
data.frame(df, do.call(rbind, out))

    customer_id customer_math X1 X2 X3 X4 X5 X6 X7 X8
1   15251       10001010      1  0  0  0  1  0  1  0
2   10101       11111111      1  1  1  1  1  1  1  1
3   84787       10101010      1  0  1  0  1  0  1  0

数据：

df <- data.frame(customer_id=c(15251, 10101, 84787),
                 customer_math=c(10001010, 11111111, 10101010))

编辑：

正如@Sotos 所指出的，使用strsplit 和"" 空字符串作为拆分字符也可以。

【讨论】：

太棒了！你是明星！祝你有美好的一天！
快速提问：为什么有这么复杂的正则表达式需要perl 参数？ sep = '' 不够吗？
@GeorgeSoros 你是对的，我已经更新了我的答案。

【解决方案2】：

修复列标签的tidyverse 解决方案可能是：

代码

df %>% 
  mutate(customer_math = str_replace_all(customer_math,
                                         "\\B", " ")) %>% 
  separate(customer_math, 
           into = as.character(2012:2019), 
           sep = " ")

结果

# A tibble: 3 x 9
  customer_id `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
        <int> <chr>  <chr>  <chr>  <chr>  <chr>  <chr>  <chr>  <chr> 
1       15251 1      0      0      0      1      0      1      0     
2       10101 1      1      1      1      1      1      1      1     
3       84787 1      0      1      0      1      0      1      0

【讨论】：

该正则表达式背后的逻辑是什么？似乎有更直接的方法可以在不先操作字符串的情况下进行拆分。除非有什么优势？
@camille separate from tidyr 想要分开的东西。我的解决方案是在每个字符之间创建一个空格，然后按空格分隔。如果您知道更好的正则表达式，我可以更新我的答案:)
一个想法是您可以跳过mutate 步骤，只需使用一些匹配字符之间每个步骤的正则表达式，例如"\\B"
感谢@camille，您的建议改进了解决方案。我改了。

【解决方案3】：

我们可以使用splitstackshape 中的cSplit 并将每个字符拆分到不同的列中。

splitstackshape::cSplit(df, "customer_math", sep = "", stripWhite = FALSE)

#   customer_id customer_math_1 customer_math_2 customer_math_3 customer_math_4 
#1:       15251               1               0               0               0  
#2:       10101               1               1               1               1  
#3:       84787               1               0               1               0   

#   customer_math_5 customer_math_6 customer_math_7 customer_math_8
#1:               1               0               1               0
#2:               1               1               1               1
#3:               1               0               1               0

【讨论】：

【解决方案4】：

对于这样的任务，我喜欢保持扩展至未知列数的能力。从 2012 年开始，您有多年的列名称，如果您采取一些额外的步骤来重塑您的数据，那么您可能会在没有太多硬编码的情况下获得这些年。

tidyr::separate_rows 将拆分一列并为来自它的每个项目创建一行。您可以使用诸如"\\B" 之类的正则表达式来匹配每个字符之间的非空格。通过从 2012 年开始沿每个 ID 的行数计数来创建年份列。可选择将这些“0”/“1”值转换为数字，然后重新整形为宽数据。

library(dplyr)
library(tidyr)
df %>%
  separate_rows(customer_math, sep = "\\B") %>%
  group_by(customer_id) %>%
  mutate(year = seq(from = 2012, length.out = n()),
         customer_math = as.numeric(customer_math)) %>%
  pivot_wider(names_from = year, values_from = customer_math)
#> # A tibble: 3 x 9
#> # Groups:   customer_id [3]
#>   customer_id `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
#>         <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
#> 1       15251      1      0      0      0      1      0      1      0
#> 2       10101      1      1      1      1      1      1      1      1
#> 3       84787      1      0      1      0      1      0      1      0

【讨论】：