dplyr mutate + unlist 问题答案

【问题标题】：dplyr mutate + unlist issuedplyr mutate + unlist 问题
【发布时间】：2018-12-12 08:25:40
【问题描述】：

我正在尝试提取数据框中的部分字符。

d<-data.frame(a=c("aa_bb_cc", "ddd_eee_fff", "sss_rrr_eee"))

我想在新专栏中加入“bb”、“eee”、“rrr”部分。当使用如下结构时，它可以正常工作：

unlist(str_split(d$a[1],"_"))[2]
unlist(str_split(d$a[2],"_"))[2]

所以我将它应用到 mutate (dplyr) 中：

t<-d %>% mutate(new1=(unlist(str_split(a,"_"))[2]))

但在所有情况下结果都是“bb”。我做错了什么？

【问题讨论】：

总是很有趣的函数word，即stringr::word(d$a, 2, sep = '_')

标签： r dplyr

【解决方案1】：

当你这样做时

d %>% mutate(new1=(unlist(str_split(a,"_"))[2]))

它通过str_split 中的a 列。所以这相当于

unlist(str_split(d$a, "_"))
#[1] "aa"  "bb"  "cc"  "ddd" "eee" "fff" "sss" "rrr" "eee"

现在，当您对其进行子集化并获取它给出的第二个元素时

unlist(str_split(d$a, "_"))[2]
#[1] "bb"

因此，此值分配给所有案例。

要解决此问题，您可以添加操作rowwise 以获得所需的输出，因为它将在str_split 中分别为每一行传递a 的值。

library(tidyverse)

d %>%
  rowwise() %>%
  mutate(new1= unlist(str_split(a,"_"))[2])

#      a      new1 
#    <fct>    <chr>
#1 aa_bb_cc    bb   
#2 ddd_eee_fff eee  
#3 sss_rrr_eee rrr

或者另一个更安全的选择是使用separate并根据分隔符将字符串分成不同的列，select相关列

d %>%
  separate(a, into = c("one", "two", "three"), sep = "_", remove = FALSE) %>%
  select(a, two)

#            a two
#1    aa_bb_cc  bb
#2 ddd_eee_fff eee
#3 sss_rrr_eee rrr

显然您也可以使用sapply 和strsplit 来使用base R 选项

sapply(strsplit(as.character(d$a), "_"), "[[", 2)
#[1] "bb"  "eee" "rrr"

【讨论】：

【解决方案2】：

d1 <- as.data.frame(unlist(str_split_fixed(d$a,"_", n =3)))

希望这行得通

【讨论】：

【解决方案3】：

也许是开始使用（高度可定制的）正则表达式的好借口：

d[["new"]] <- gsub(".*_(.*)_.*", "\\1", d[["a"]])
d
            a new
1    aa_bb_cc  bb
2 ddd_eee_fff eee
3 sss_rrr_eee rrr

【讨论】：

【解决方案4】：

我们可以使用str_extract

library(tidyverse)
d %>% 
   mutate(new = str_extract(a, "(?<=_)[^_]+"))
#            a new
#1    aa_bb_cc  bb
#2 ddd_eee_fff eee
#3 sss_rrr_eee rrr

或base R

d$new <- read.table(text = as.character(d$a), header = FALSE, sep="_")[,2]

【讨论】：