将任意列拆分为融化的数据框答案

【问题标题】：Split arbitrary column into melted data frame将任意列拆分为融化的数据框
【发布时间】：2015-08-18 10:11:34
【问题描述】：

我有一个带有结构化数据的丑陋列的 data.frame。每列可以保存 1 到 40 个感兴趣的值。每个值都用 html 分隔符 "<br />" 分隔。以1.1的形式提取的值，即一个整数一个句点和另一个整数。

如何将这些列分离并融合成不同的行？

我知道 lapply 和 tidy::separate 可能是要走的路。但我还没有成功。所以寻求帮助。

测试数据在这里：

testdata <- dget("http://pastebin.com/download.php?i=VS2cq2rB")

数据框包含两个列："id" 和 "moduler"。

我想改用“id”和“value”。最终结果应该是这样的。

"id", "value"
1, 1.1
1, 1.2
1, 1.3
1, 2.4
2, 1.1
2, 1.3
2, 3.3

这是我最近的一次尝试——与我开始使用 lapply 的地方相去甚远。

origdf <- data.frame()
#names(newdf) <- c("id", 'pnummer', 'moduler')

for (i in 1:nrow(hs)) {
  newdf <- data.frame()
  newdf[i, 'id'] <- hs[i, 'id']
  newdf[i, 'pnummer'] <- hs[i, 'pnummer']
  tmp <- unlist(strsplit(as.character(hs[i,'moduler']), "<br />", fixed=T))
  for (m in 3:length(tmp)+3) {
    newdf[i, m] <- tmp[m]
  }
  origdf <- dplyr::bind_rows(newdf, origdf)
}

【问题讨论】：

@SabDeM 你看到了什么？ sabdemtest pastebin.com/download.php?i=VS2cq2rB") - 适用于 mee（尽管数据看起来很有趣 - 这就是我要解决的问题:-)）

标签： r lapply tidyr

【解决方案1】：

这是一种可能的data.table 方法。基本上我只是将moduler 拆分为"<br />" 或"<br />InstallationsmontÃ¸r" 拆分为id

library(data.table)
setDT(testdata)[, .(value = unlist(strsplit(as.character(moduler), 
                            "<br />|<br />InstallationsmontÃ¸r"))), by = id]
#        id value
#   1: 2862   1.1
#   2: 2862   1.2
#   3: 2862   1.3
#   4: 2862   1.4
#   5: 2862   1.5
# ---           
# 132: 2877   3.6
# 133: 2877   4.1
# 134: 2877   4.4
# 135: 2877   4.5
# 136: 2877   4.6

或与splitstackshape 包类似

library(splitstackshape)
cSplit(testdata, splitCols = "moduler", 
       sep = "<br />|<br />InstallationsmontÃ¸r", 
       direction = "long", fixed = FALSE, stripWhite = FALSE)

【讨论】：

【解决方案2】：

我会尝试使用带有简单循环的 strsplit 函数：

newdata  <-  NULL
a <- 1
b <- 0
for (k in 1:length(testdata$moduler)) {
  M <- unlist(strsplit(as.character(testdata$moduler[k]),"<br />|<br />InstallationsmontÃ¸r"))
  b <- b + length(M)
  newdata$moduler[a:b] <- M
  newdata$id[a:b] <- testdata$id[k]
  a <- b + 1
}
newdata <- as.data.frame(newdata)

【讨论】：

谢谢 - 它工作。标记戴维斯回答为已接受，因为我认为这种方法更可靠。但我也在这里学到了一些东西。对我来说很棒:-)

【解决方案3】：

这是另一个使用来自tidyr 的unnest 的选项。我们使用来自library(stringr) 的str_extract_all 提取数字部分（[0-9.]+）。输出为list。我们将list元素的名称设置为'testdata'和unnest的'id'列

 library(tidyr)
 library(stringr) 
 res <- unnest(setNames(lapply(str_extract_all(testdata$moduler, '[0-9.]+'), 
                   as.numeric), testdata$id), id)
 colnames(res)[2] <- 'value'
 head(res)
 #   id  value
 #1 2862 1.1
 #2 2862 1.2
 #3 2862 1.3
 #4 2862 1.4
 #5 2862 1.5
 #6 2862 1.6

 dim(res)
 #[1] 136   2

或者base R 方法是在list 中提取带有regmatches/gregexpr 的数字元素，使用lengths 获取list 元素的length，从'复制'id' 列testdata' 基于此，unlist 'lst' 并创建一个新的 'data.frame'。

 lst <- lapply(regmatches(testdata$moduler, gregexpr('[0-9.]+',
              testdata$moduler)), as.numeric)
 res2 <- data.frame(id = testdata$id[rep(1:nrow(testdata), lengths(lst))],
                            value= unlist(lst))

【讨论】：