名称未知的单独列答案

【问题标题】：separate column with unknown name名称未知的单独列
【发布时间】：2018-11-23 12:43:53
【问题描述】：

我有一个这样的数据框：

structure(list(header = 1:10, ST.adk.fumC.gyrB.icd.mdh.purA.recA = c(" 10 10 11 4 8 8 8 2", 
" 48 6 11 4 8 8 8 2", " 58 6 4 4 16 24 8 14", " 88* 6* 4 12 1 20 12 7", 
" 117 20 45 41 43 5 32 2", " 7036 526 7 1 1 8 71 6", " 101 43 41 15 18 11 7 6", 
" 3595 112 11 5 12 8 88 86", " 117 20 45 41 43 5 32 2", " 744 10 11 135 8 8 8 2"
)), row.names = c(NA, -10L), class = c("tbl_df", "tbl", "data.frame"
))

我想要做的是将第二列分成单独的列，用“。”分隔。在列名中。但是，并不总是知道列的名称是什么，这就是为什么我不能在 dplyr 的“单独”函数中使用列的名称。

我尝试了以下方法：

library(dplyr)
library(stringr)
library(tidyr)

# get new column names
ids <- unlist(strsplit(names(df)[-1],
                              split = ".",
                              fixed = TRUE))

# get name of column to split
split_column <- names(df)[-1]

df %>%
separate(split_column, into = ids, extra = "merge")

这在我正在使用的脚本文件中有效，但是当我获取脚本时，我收到以下错误：

Error: `var` must evaluate to a single number or a column name, not a character vector

为什么当我在 RStudio 中正常运行它时它会起作用，但是当我获取脚本时它会抛出这个错误？另外，这是将未知名称的列实际拆分为名称未知的新列的最佳方式吗？

我在另一个脚本文件中使用以下代码获取脚本：

system(paste("Rscript script.R", opt$m, opt$o))

其中 opt$m 和 opt$o 是目录路径。这适用于我拥有的类似脚本，但使用上面的脚本会引发错误。

我希望有某种功能，例如单独的_at，但目前还不存在..

【问题讨论】：

对我来说很好用：R 版本 3.4.2，tidyr_0.8.1 dplyr_0.7.7
在使用 Rstudio 与使用源脚本时，您可能有不同版本的 R 或包。
@zx8754 是的，我认为一定是这样 - 我会检查版本
无法复制。两件事：您可能希望在分离之前通过 trimws() 运行您的拆分列，否则您的第一列将是您提供的数据的空白。其次 - 考虑调用tidyr::separate()，因为您的脚本可能出于某种原因访问不同的包。
（另外，单独来自tidyr，而不是dplyr）

标签： r dplyr tidyr

【解决方案1】：

你可以使用strsplit()。

split <- do.call(rbind, strsplit(gsub("\\*", "", df[, -1]), " "))[, -1]
df1 <- data.frame(df[, 1], split)
df1[] <- lapply(df1, function(x) as.numeric(as.character(x)))
names(df1) <- unlist(strsplit(names(df), split = ".", fixed=TRUE))

> df1
   header   ST adk fumC gyrB icd mdh purA recA
1       1   10  10   11    4   8   8    8    2
2       2   48   6   11    4   8   8    8    2
3       3   58   6    4    4  16  24    8   14
4       4   88   6    4   12   1  20   12    7
5       5  117  20   45   41  43   5   32    2
6       6 7036 526    7    1   1   8   71    6
7       7  101  43   41   15  18  11    7    6
8       8 3595 112   11    5  12   8   88   86
9       9  117  20   45   41  43   5   32    2
10     10  744  10   11  135   8   8    8    2

数据

df <-structure(list(header = 1:10, ST.adk.fumC.gyrB.icd.mdh.purA.recA = c(" 10 10 11 4 8 8 8 2", 
                                                                     " 48 6 11 4 8 8 8 2", " 58 6 4 4 16 24 8 14", " 88* 6* 4 12 1 20 12 7", 
                                                                     " 117 20 45 41 43 5 32 2", " 7036 526 7 1 1 8 71 6", " 101 43 41 15 18 11 7 6", 
                                                                     " 3595 112 11 5 12 8 88 86", " 117 20 45 41 43 5 32 2", " 744 10 11 135 8 8 8 2"
)), row.names = c(NA, -10L), class = c("tbl_df", "tbl", "data.frame"
))

【讨论】：

【解决方案2】：

与您的示例几乎相同的解决方案，只是做了一些调整。假设您要删除列中的'*'，我就是这样做的：

library(tidyverse)
library(hablar)

# Vector of new column names
ids <- simplify(strsplit(names(df)[-1], 
                         split = ".", 
                         fixed = T))

# Seperate second column
df %>%
  mutate_at(2, funs(trimws(gsub("\\*", "", .)))) %>%
  separate(2, into = ids, extra = "merge", sep = " ") %>% 
  retype()

给你：

# A tibble: 10 x 9
   header    ST   adk  fumC  gyrB   icd   mdh  purA  recA
    <int> <int> <int> <int> <int> <int> <int> <int> <int>
 1      1    10    10    11     4     8     8     8     2
 2      2    48     6    11     4     8     8     8     2
 3      3    58     6     4     4    16    24     8    14
 4      4    88     6     4    12     1    20    12     7
 5      5   117    20    45    41    43     5    32     2
 6      6  7036   526     7     1     1     8    71     6
 7      7   101    43    41    15    18    11     7     6
 8      8  3595   112    11     5    12     8    88    86
 9      9   117    20    45    41    43     5    32     2
10     10   744    10    11   135     8     8     8     2

【讨论】：