选择数据框中向量的第一个元素以外的所有元素答案

【问题标题】：Selecting all but the first element of a vector in data frame选择数据框中向量的第一个元素以外的所有元素
【发布时间】：2022-01-25 13:42:05
【问题描述】：

我有一些看起来像这样的数据：

X1
A,B,C,D,E
A,B
A,B,C,D
A,B,C,D,E,F

我想生成一个包含每个向量的第一个元素（“A”）的列，以及另一个包含所有其余值的列（“B”、“C”等）：

X1              Col1    Col2
A,B,C,D,E       A       B,C,D,E
A,B             A       B
A,B,C,D         A       B,C,D
A,B,C,D,E,F     A       B,C,D,E,F

我尝试了以下方法：

library(dplyr)

testdata <- data.frame(X1 = c("A,B,C,D,E",
                              "A,B",
                              "A,B,C,D",
                              "A,B,C,D,E,F")) %>%
  mutate(Col1 = sapply(strsplit(X1, ","), "[", 1),
         Col2 = sapply(strsplit(X1, ","), "[", -1))

但是，我似乎无法摆脱 Col2 中值周围的讨厌的向量括号。有什么办法吗？

【问题讨论】：

你的意思是你打算让Col2 成为一个字符串而不是一个列表列？
或许Col2 = sapply(strsplit(X1, ","), function(z) paste(z[-1], collapse=","))?

标签： r dataframe split subset

【解决方案1】：

您可以将tidyr::separate 与extra = "merge" 一起使用：

testdata %>% 
  tidyr::separate(X1, into = c("Col1","Col2"), sep = ",", extra = "merge", remove = F)

           X1 Col1      Col2
1   A,B,C,D,E    A   B,C,D,E
2         A,B    A         B
3     A,B,C,D    A     B,C,D
4 A,B,C,D,E,F    A B,C,D,E,F

【讨论】：

【解决方案2】：

一个可能的解决方案，使用tidyr::separate：

library(tidyverse)

df <- data.frame(
  stringsAsFactors = FALSE,
  X1 = c("A,B,C,D,E", "A,B", "A,B,C,D", "A,B,C,D,E,F")
)

df %>% 
  separate(X1, into = str_c("col", 1:2), sep = "(?<=^.),", remove = F)

#>            X1 col1      col2
#> 1   A,B,C,D,E    A   B,C,D,E
#> 2         A,B    A         B
#> 3     A,B,C,D    A     B,C,D
#> 4 A,B,C,D,E,F    A B,C,D,E,F

【讨论】：

【解决方案3】：

使用sub + read.table尝试下面的基本 R 代码

cbind(
  df,
  read.table(
    text = sub(",", " ", df$X1)
  )
)

给了

           X1 V1        V2
1   A,B,C,D,E  A   B,C,D,E
2         A,B  A         B
3     A,B,C,D  A     B,C,D
4 A,B,C,D,E,F  A B,C,D,E,F

【讨论】：

【解决方案4】：

您可以使用str_sub()函数如下：

> df
# A tibble: 4 x 1
  X1         
  <chr>      
1 A,B,C,D,E  
2 A,B        
3 A,B,C,D    
4 A,B,C,D,E,F

> df %>% mutate(X2 = str_sub(X1, 1,1), X3 = str_sub(X1, 3))
# A tibble: 4 x 3
  X1          X2    X3       
  <chr>       <chr> <chr>    
1 A,B,C,D,E   A     B,C,D,E  
2 A,B         A     B        
3 A,B,C,D     A     B,C,D    
4 A,B,C,D,E,F A     B,C,D,E,F

【讨论】：

这并不理想，因为第一个元素很容易成为AA。
我认为问题在于提取第一个元素，而不是A 字符！ @IanCampbell。但是如果它想要提取一个字符串，那么你是对的，这段代码没有用。
str_sub("AA,B",1,1) 的输出是什么？
你是对的。 @IanCampbell