从 strsplit - R 之后的嵌套列表中提取第 n 个元素答案

【问题标题】：Extracting nth element from a nested list following strsplit - R从 strsplit - R 之后的嵌套列表中提取第 n 个元素
【发布时间】：2014-09-01 15:18:47
【问题描述】：

我一直试图了解如何更好地处理strsplit 的输出。我经常有这样的数据想要拆分：

mydata <- c("144/4/5", "154/2", "146/3/5", "142", "143/4", "DNB", "90")

#[1] "144/4/5" "154/2"   "146/3/5" "142"     "143/4"   "DNB"     "90"

拆分后的结果如下：

strsplit(mydata, "/")

#[[1]]
#[1] "144" "4"   "5"  

#[[2]]
#[1] "154" "2"  

#[[3]]
#[1] "146" "3"   "5"  

#[[4]]
#[1] "142"

#[[5]]
#[1] "143" "4"  

#[[6]]
#[1] "DNB"

#[[7]]
#[1] "90"

我从 strsplit 帮助指南中知道不会生成最终的空字符串。因此，根据要拆分的“/”的数量，我的每个结果中都会有 1、2 或 3 个元素

获取第一个元素非常简单：

sapply(strsplit(mydata, "/"), "[[", 1)

#[1] "144" "154" "146" "142" "143" "DNB" "90"

但是当每个结果中存在这些不相等数量的元素时，我不确定如何获得第二个、第三个...。

sapply(strsplit(mydata, "/"), "[[", 2)

# Error in FUN(X[[4L]], ...) : subscript out of bounds

我希望从一个可行的解决方案中返回，如下：

#[1] "4" "2" "3" "NA" "4" "NA" "NA"

这是一个相对较小的例子。我可以很容易地对这些数据执行一些 for 循环，但是对于具有 1000 次观察的真实数据来运行 strsplit 以及由此产生的数十个元素，我希望找到一个更通用的解决方案。

【问题讨论】：

使用 [ 而不是 [[ 似乎有效
@alexis_laz 您应该将此作为答案。我在help("[") 中找不到这个。

标签： r sapply strsplit

【解决方案1】：

（至少关于一维向量）[ 似乎在 "i > length(x)" 时返回 NA 而 [[ 返回错误。

x = runif(5)
x[6]
#[1] NA
x[[6]]
#Error in x[[6]] : subscript out of bounds

稍微挖掘一下，do_subset_dflt（即[）调用ExtractSubset，我们注意到当想要的索引（“ii”）是“>长度（x）”时返回NA（稍作修改）要干净）：

if(0 <= ii && ii < nx && ii != NA_INTEGER)
    result[i] = x[ii];
else
    result[i] = NA_INTEGER;

另一方面，do_subset2_dflt（即[[）如果想要的索引（“偏移量”）是“>长度（x）”（修改一点以保持干净），则会返回错误：

if(offset < 0 || offset >= xlength(x)) {
    if(offset < 0 && (isNewList(x)) ...
    else errorcall(call, R_MSG_subs_o_b);
}

在哪里#define R_MSG_subs_o_b _("subscript out of bounds")

（我不确定上面的代码 sn-ps，但根据它们的返回，它们似乎确实相关）

【讨论】：

【解决方案2】：

试试这个：

> read.table(text = mydata, sep = "/", as.is = TRUE, fill = TRUE)
   V1 V2 V3
1 144  4  5
2 154  2 NA
3 146  3  5
4 142 NA NA
5 143  4 NA
6 DNB NA NA
7  90 NA NA

如果您想将 DNB 视为 NA，请添加参数 na.strings="DNB" 。

如果你真的想使用strsplit，那么试试这个：

> do.call(rbind, lapply(strsplit(mydata, "/"), function(x) head(c(x,NA,NA), 3)))
     [,1]  [,2] [,3]
[1,] "144" "4"  "5" 
[2,] "154" "2"  NA  
[3,] "146" "3"  "5" 
[4,] "142" NA   NA  
[5,] "143" "4"  NA  
[6,] "DNB" NA   NA  
[7,] "90"  NA   NA

注意：使用 alexis_laz 的观察，如果 i 不在 1:length(x) 中，则 x[i] 返回 NA 上面的最后一行代码可以简化为：

t(sapply(strsplit(mydata, "/"), "[", 1:3))

【讨论】：

关于你的第二种方法：使用length<- 应该是更可取的。 nmax <- max(sapply(mysplitdata, length)); mysplitdata <- lapply(mysplitdata, "length<-", value=nmax)

【解决方案3】：

你可以使用regex（如果允许的话）

 library(stringr)
 str_extract(mydata , perl("(?<=\\d/)\\d+"))
 #[1] "4" "2" "3" NA  "4" NA  NA 
 str_extract(mydata , perl("(?<=/\\d/)\\d+"))
#[1] "5" NA  "5" NA  NA  NA  NA

【讨论】：

【解决方案4】：

您可以在sapply 内分配长度，从而导致NA 的当前长度比分配的长度短。

s <- strsplit(mydata, "/")
sapply(s, function(x) { length(x) <- 3; x[2] })
# [1] "4" "2" "3" NA  "4" NA  NA

然后您可以使用mapply 添加第二个索引参数

m <- max(sapply(s, length))
mapply(function(x, y, z) { length(x) <- z; x[y] }, s, 2, m)
# [1] "4" "2" "3" NA  "4" NA  NA

【讨论】：