基于列中的多个 ID 扩展数据集答案

【问题标题】：Extending a dataset based on multiple IDs in a column基于列中的多个 ID 扩展数据集
【发布时间】：2017-10-19 21:40:37
【问题描述】：

这是一个数据争论的问题，一个查询的问题。我有一个数据集，每一行不代表 1 个样本，但包含一个包含 ID 列表的列。例如，您有 3 列：年龄、性别和 ID。你可以有一行：28, M, 'ID209,ID208'。

有没有简单的方法来扩展这个数据集，使每个 ID 号有一行？我正在使用 R 或 Python。

【问题讨论】：

是的，您必须提供数据样本以供我们帮助。如果您使用的是 R，请参阅 here for creating a reproducible example
R 解决方案：library(tidyverse); df %>% mutate(id = stringr::str_split(id, “,”)) %>% unnest(id)
谢谢，unnest 确实是我一直在寻找的功能！

标签： python r data-science

【解决方案1】：

这可能不是最简洁的 Python 解决方案，但它应该可以帮助您入门。

这假设您已将行拆分为以下形式的列表：[age, sex, 'ids']。这段代码应该很容易修改以适合您的实际行格式，但这应该足以让您开始。

new_rows = []
for row in dataset:
    id1, id2 = row[2].split(',')
    new_rows.append([row[0], row[1], id1])
    new_rows.append([row[0], row[1], id2])

print(new_rows)

希望对你有帮助。

【讨论】：

【解决方案2】：

使用tidytext 的 R 解决方案。假设ids 列中的值以逗号分隔：

library(tidytext)
library(stringr)

df1 <- data.frame(age = 28, 
                  sex = "M", 
                  ids = "ID209,ID208", 
                  stringsAsFactors = FALSE)

df1 %>% 
  unnest_tokens(id, ids, token = str_split, pattern = ",", to_lower = FALSE)

    age sex    id
1    28   M ID209
1.1  28   M ID208

【讨论】：