在不添加新列的情况下分隔列中的数据答案

【问题标题】：Seprarate data in column without adding new column在不添加新列的情况下分隔列中的数据
【发布时间】：2021-01-27 21:15:50
【问题描述】：

我正在从本地保存的 PDF 中抓取数据（如果我能找到指向其中一个问题 PDF 的链接，我会更新这篇文章），但我遇到了问题。我已经设置了代码，以便如果单词、字符串等之间有 2 个空格，它将把数据读入一个新列。某些数据在 csv 上的间距不是很好，因此它将以|1 100%| 而不是|1|100%| 作为示例读取单元格。我这样做是因为某些列会包含一个句子，所以我需要将它们放在一起

我想做的，因为这一直在随机发生（在 PDF 方面是随机的，在 PDF 中不是随机的），有一些 PDF 是找出一些新代码，这些代码将根据这些列简单地分开空间，并将该行中的所有内容向右推一个单元格。下面的示例代码。请注意，它总是发生在同一列中，如示例数据所示。

我尝试过的所有方法都只是产生了额外的列，这也会丢弃数据。

current_df <- data.frame(X1 = c(1, 2, 3, 4, 5),
                         X2 = c("a 100", "b", "c", "d 400", "e"),
                         X3 = c("aa", 200, 300, "dd", 500),
                         X4= c("dog", "bb", "cc", "chair", "ee"),
                         X5 = c("", "lamp", "desk", "", "speaker"))





goal_df <- data.frame(X1 = c(1, 2, 3, 4, 5),
                 X2 = c("a", "b", "c", "d", "e"),
                 X3 = c(100, 200, 300, 400, 500),
                 X4 = c("aa", "bb", "cc", "dd", "ee"),
                 X5 = c("dog", "lamp", "desk", "chair", "speaker"))

【问题讨论】：

标签： r data-cleaning csv

【解决方案1】：

这是一个笨拙的解决方案：

setNames(as.data.frame(t(
  apply(as.matrix(current_df), 1, function(r) {
    out <- unlist(strsplit(r, "\\s+"))
    out <- out[!is.na(out) & nzchar(out)]
    stopifnot(length(out) == length(r))
    out
  }))
), names(current_df))
#   X1 X2  X3 X4      X5
# 1  1  a 100 aa     dog
# 2  2  b 200 bb    lamp
# 3  3  c 300 cc    desk
# 4  4  d 400 dd   chair
# 5  5  e 500 ee speaker

您需要查看列的classes，因为移动字符串往往会打乱数字。我在这里忽略了数字/字符串，只是在第一个 as.matrix 步骤中将所有内容都转换为 character，假设由于您正在解析 PDF，您可能无论如何都必须监管该部分。

【讨论】：

【解决方案2】：

您可以尝试apply + strsplit + type.convert 如下所示

type.convert(
  data.frame(
    t(apply(
      current_df,
      1,
      function(v) unlist(strsplit(v, "\\s+"))
    ))
  ),
  as.is = TRUE
)

给了

  X1 X2  X3 X4      X5
1  1  a 100 aa     dog
2  2  b 200 bb    lamp
3  3  c 300 cc    desk
4  4  d 400 dd   chair
5  5  e 500 ee speaker

【讨论】：