R - 拆分包含列的字符串值并同时复制数据框中的其他列值答案

【问题标题】：Splitting string values containing columns and simultaneously duplicating other column values in a dataframeR - 拆分包含列的字符串值并同时复制数据框中的其他列值
【发布时间】：2022-01-18 15:14:35
【问题描述】：

我有一个包含 3 列的数据框。第一个具有字符串值，其中一些包含逗号，另外两个：ID 和区域信息。

df <- data.frame(column1 = c("ab 34, 35, 36", "cb 23", "df 45, 46", "gh 21"),
                 column2 = c("ID_27", "ID_28", "ID_29", "ID_30"),
                 column3 = c("area51", "area52", "area53", "area54"))
head(df)
column1 column2 column3
1 ab 34, 35, 36   ID_27  area51
2         cb 23   ID_28  area52
3     df 45, 46   ID_29  area53
4         gh 21   ID_30  area54

我想要做的是修改第一列中的值，以便逗号分隔值消失，将两个字母前缀应用于每个数字值，并在新行中重新排列以逗号分隔的每个值。同时，复制其他列中的值，如下例：

new_df <- data_frame(column1 = c("ab34", "ab35", "ab36", "cb23", "df45", "df46", "gh21"),
                     column2 = c("ID_27", "ID_27", "ID_27", "ID_28", "ID_29", "ID_29", "ID_30"),
                     column3 = c("area51", "area51", "area51", "area52", "area53", "area53", "area54"))
head(new_df)
# A tibble: 6 x 3
column1 column2 column3
<chr>   <chr>   <chr>  
1 ab34    ID_27   area51 
2 ab35    ID_27   area51 
3 ab36    ID_27   area51 
4 cb23    ID_28   area52 
5 df45    ID_29   area53 
6 df46    ID_29   area53

有人知道什么 R 代码可以实现这一点吗？使用 tidyverse 还是旧方法？顺便说一句，无需从数据框转到 tibble，这仅用于示例。我的目标是转换数据框。

【问题讨论】：

标签： r string dataframe split comma

【解决方案1】：

一个可能的解决方案：

library(tidyverse)

df <- data.frame(column1 = c("ab 34, 35, 36", "cb 23", "df 45, 46", "gh 21"),
                 column2 = c("ID_27", "ID_28", "ID_29", "ID_30"),
                 column3 = c("area51", "area52", "area53", "area54"))

df %>% 
  mutate(column1 = str_replace_all(column1,", ", str_extract(column1,"^\\S+")) %>%
                   str_remove(.," ")) %>% 
  separate_rows(column1, sep = "(?<=\\d)(?=\\D)")

#> # A tibble: 7 × 3
#>   column1 column2 column3
#>   <chr>   <chr>   <chr>  
#> 1 ab34    ID_27   area51 
#> 2 ab35    ID_27   area51 
#> 3 ab36    ID_27   area51 
#> 4 cb23    ID_28   area52 
#> 5 df45    ID_29   area53 
#> 6 df46    ID_29   area53 
#> 7 gh21    ID_30   area54

【讨论】：

太棒了！非常感谢你们！

【解决方案2】：

这是一个（希望）更容易理解的分步方法：

library(dplyr)
library(stringr)
library(tidyr)
df %>% 
  mutate(
    # extract the prefix:
    prefix = str_extract(column1,"^\\w+"),
    # extract the digits in a list:
    digits = str_extract_all(column1,"\\d+")) %>% 
  # cast the list values in `digits` into long format:
  unnest_longer(digits) %>%
  # paste `prefix`, `digits` together:
  mutate(column1 = paste0(prefix, digits)) %>%
  # remove obsolete columns:
  select(-c(prefix, digits))
# A tibble: 7 × 3
  column1 column2 column3
  <chr>   <chr>   <chr>  
1 ab34    ID_27   area51 
2 ab35    ID_27   area51 
3 ab36    ID_27   area51 
4 cb23    ID_28   area52 
5 df45    ID_29   area53 
6 df46    ID_29   area53 
7 gh21    ID_30   area54

【讨论】：