R：将任意连接变量名称和值的向量转换为单个数据框

Question

我有一个包含两列和多行的数据框。

第一列是一个字符向量，其中每个元素 P 是一个字符串，它用逗号连接多个 (K) 字符串。 K 事先是未知的，并且可以跨行变化，例如第一行 K = 5，第二行 K = 3。连接起来的值在各行之间可能相同，也可能不同，尽管它们不会在一行内重复。我们可以称这些“变量名”。

第二列——我们可以称之为“变量值”——是一个字符向量，其中每个元素也是一个用逗号连接 K 个字符串的字符串。重要的是，连接的字符串数量与变量名称的数量相同。换句话说，变量名称列包含一个包含变量名称的字符串，变量值列包含与该行的变量名称对应的值。

这是我的数据的一个最小示例。请注意，例如，子字符串的数量var_names[i] 与 values[i] 中的数字相同，但不必与 var_names[j] 相同：

# Example data
data <-
  data.frame(
    var_names = c(
      paste("a", "b", "c", "e", "j", sep = ","),
      paste("d", "a", "f", sep = ","),
      paste("f", "k", "b", "a", sep = ",")
    ),
    values = c(
      paste("212", "12", "sfd", "3", "1", sep = ","),
      paste("fds", "23", "g", sep = ","),
      paste("df", "sdf", "w2", "w", sep = ",")
    ),
    stringsAsFactors = FALSE
  )

鉴于这些数据，我正在尝试创建一个数据框，其中 var_names 中的每个唯一值都是一个列名，每列的值基于 values 中每一行的相应索引数据。具体来说，我希望制作：

data.frame(a = c("212","23","w"), 
           b = c("12",NA,"w2"),
           c = c("sfd",NA,NA),
           d = c(NA,"fds",NA),
           e = c("3", NA, NA),
           f = c(NA, "g", "df"),
           j = c("1"," NA, NA),
           k = c(NA,NA,"sdf"))

我能够使用以下内容制作我想要的东西。但是，我想知道是否有一些功能/包可以让我跳过其中一些步骤并更快地完成这项工作。目前，我创建了一个循环，为每一行生成整个数据框，然后将它们组合成一个数据框。我最初的想法是在我的代码中获取var_val 对象并使用tidyr::pivot_wider() 生成每一行的数据框，但由于规范错误，这不起作用。

# Split variable names and values into a list
# where each element is a row's values/names
vars_name_l <- strsplit(data$var_names, split = ",")
values_l <- strsplit(data$values, split = ",")

# Initialize a list to store each row's 
# data frame 
combined <- list()

# Loop through each row's data and generate a
# list of data frames 
for (i in 1:length(nrow(data))) {

# Get a row's variable names and values into
# a data frame. 
var_val <- data.frame(var_names = vars_name_l[[i]], 
                      values = values_l[[i]],
                      stringsAsFactors = FALSE)

# Create an empty data frame then add variable
# names and the values for the variables, store in
# our list
df <- as.data.frame(matrix(numeric(), nrow = 0, ncol = length(var_val$var_names)))
colnames(df) <- var_val$var_names
df[1, ] <- var_val$values
combined[[i]] <- df
}

# Collapse list to a single data frame, rearrange
result <- bind_rows(combined)
result[ ,order(colnames(result))]

Answer 1

我们可以先从var_names 和values 列中获取单独的行中的数据，然后获取宽格式的数据。

library(dplyr)
library(tidyr)

data %>%
  mutate(row = row_number()) %>%
  separate_rows(var_names, values) %>%
  pivot_wider(names_from = var_names, values_from = values) %>%
  select(-row)

#   a     b     c     e     j     d     f     k    
#  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#1 212   12    sfd   3     1     NA    NA    NA   
#2 23    NA    NA    NA    NA    fds   g     NA   
#3 w     w2    NA    NA    NA    NA    df    sdf  

Answer 2

我们可以通过bind_rows 轻松做到这一点

library(dplyr)
bind_rows(do.call(Map, c(f = setNames, lapply(unname(data)[2:1], strsplit, ","))))
# A tibble: 3 x 8
#  a     b     c     e     j     d     f     k    
#* <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#1 212   12    sfd   3     1     <NA>  <NA>  <NA> 
#2 23    <NA>  <NA>  <NA>  <NA>  fds   g     <NA> 
#3 w     w2    <NA>  <NA>  <NA>  <NA>  df    sdf  

也可以

bind_rows(do.call(Map, c(f = function(x, y)
    setNames(as.list(x), y), lapply(unname(data)[2:1], strsplit, ","))))

---

或者另一个选项是unnest_wider from tidyr

library(tidyr)
library(purrr)
data %>%
     mutate_all(strsplit, ",") %>%
     transmute(new = map2(values, var_names, ~ set_names(as.list(.x), .y))) %>%
     unnest_wider(c(new))
# A tibble: 3 x 8
#  a     b     c     e     j     d     f     k    
#  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#1 212   12    sfd   3     1     <NA>  <NA>  <NA> 
#2 23    <NA>  <NA>  <NA>  <NA>  fds   g     <NA> 
#3 w     w2    <NA>  <NA>  <NA>  <NA>  df    sdf  

---

或者使用来自data.table的rbindlist

library(data.table)
rbindlist(do.call(Map, c(f = function(x, y)
     setNames(as.list(x), y), lapply(unname(data)[2:1], strsplit, ","))),
     fill = TRUE)
#     a    b    c    e    j    d    f    k
#1: 212   12  sfd    3    1 <NA> <NA> <NA>
#2:  23 <NA> <NA> <NA> <NA>  fds    g <NA>
#3:   w   w2 <NA> <NA> <NA> <NA>   df  sdf