来自字符向量的数据帧，每行包含三个逗号分隔值答案

【问题标题】：data frame from character vector that contains three comma seperated values in each row来自字符向量的数据帧，每行包含三个逗号分隔值
【发布时间】：2016-08-13 01:21:53
【问题描述】：

如何从每行包含三个逗号分隔值的长字符向量创建数据帧的列。第一个元素包含数据框列的名称。

不是每一行都有三列，有些地方只有一个逗号：

> string.split.cols[1] #This row is the .names
[1] "Acronym,Full form,Remarks"
> string.split.cols[2]
[1] "AC,Actual Cost, "
> string.split.cols[3]
[1] "ACWP,Actual Cost of Work Performed,Old term for AC"
> string.split.cols[4]
[1] "ADM,Arrow Diagramming Method,Rarely used now"
> string.split.cols[5]
[1] "ADR,Alternative Dispute Resolution, "
> string.split.cols[6]
[1] "AE,Apportioned Effort, "

输出应该是一个包含三列的 df，我只对前两列感兴趣，将丢弃第三列。

这是原始字符串，有些列没有转义逗号，但这没什么大不了的。

string.cols [1] "Acronym,Full form,Remarks\nAC,Actual Cost, \nACWP,Actual Cost of Work Performed,Old term for AC\nADM,Arrow Diagramming Method,Rarely used now\nADR,Alternative Dispute Resolution, \nAE,Apportioned Effort, \nAOA,Activity-on-Arrow,Rarely used now\nAON,Activity-on-Node, \nARMA,Autoregressive Moving Average, \nBAC,Budget at Completion, \nBARF,Bought-into, Approved, Realistic, Formal,from Rita Mulcahy's PMP Exam Prep\nBCR,Benefit Cost Ratio, \nBCWP,Budgeted Cost of Work Performed,Old term for EV\nBCWS,Budgeted Cost of Work Scheduled,Old term for PV\nCA,Control Account, \nCBR,Cost Benefit Ratio, \nCBT,Computer-Based Test, \n..."

【问题讨论】：

你看过read.csv或readr::read_csv或data.table::fread吗？
我不想使用文件，它是一个字符串，我收到a <- fread(string.split.cols, header = TRUE) 的此错误：'input' 必须是包含文件名、命令、完整路径的单个字符串文件、以“http[s]://”、“ftp[s]://”或“file://”开头的 URL，或输入数据本身。似乎它应该工作，但我不知道。
如果read.csv 的text 参数不够用，请使用paste 和collapse = '\n' 将其作为单个文本字符串处理，大多数阅读器函数都可以处理，例如readr::read_csv(paste(x, collapse = '\n')) 或 data.table::fread(paste(x, collapse = '\n'))

标签： r

【解决方案1】：

你试过read.csv的文本输入吗？

df <- read.csv( text = string.split.cols, header = T )

【讨论】：

header = TRUE 是 read.csv 的默认值，因此您不必指定。
@alistaire 是的，我只是想让 OP 清楚该过程，因为明确指出了第一行包含“名称”这一事实。
这种方法并不完美，它会在出现这样的单词时产生问题：[109] SWOT Strengths, [110] Opportunities and Threats, [111] T&M Time and Material 但我必须检查原始字符串，也许那里有逗号。它适用于我 99% 的行，因此我可以使用它。啊，我明白了，第二列 SWOT 中有逗号，优势\，机会\，弱点\，威胁，因为它们没有被转义，所以它们分开了。
您可以在调用中指定colClasses。这有帮助吗？
你的意思是因为这些行的逗号太少了吗？

【解决方案2】：

我发现这个例程在拆分字符串和转换为数据帧方面非常快。

slist<-strsplit(mylist,",")
  x<-sapply(slist, FUN= function(x) {x[1]})
  y<-sapply(slist, FUN= function(x) {x[2]})
  df<-data.frame(Column1Name=x, Column2Name=y, stringsAsFactors = FALSE)

mylist 是要拆分的字符串向量。

【讨论】：

【解决方案3】：

拆分字符串后，您可以使用rbind.data.frame 来执行此操作：

x <- do.call(rbind.data.frame, strsplit(split.string.cols[-1], ','))
names(x) <- strsplit(split.string.cols[1], ',')[[1]]
x
##  Acronym                     Full form         Remarks
## 1      AC                   Actual Cost                
## 2    ACWP Actual Cost of Work Performed Old term for AC
## ...

作为单行：

setNames(do.call(rbind.data.frame, 
                 strsplit(split.string.cols[-1], ',')
         ),
         strsplit(split.string.cols[1], ',')[[1]]
)

【讨论】：