将具有巨大字符列的数据框重塑为 R 中的多个数字列答案

【问题标题】：Reshaping a dataframe with a huge character column into several numeric columns in R将具有巨大字符列的数据框重塑为 R 中的多个数字列
【发布时间】：2020-09-16 08:25:07
【问题描述】：

我有一个包含复杂列 results 的数据集作为（character 类）。

数据样本为here。

date_agenda id_question id_event results
2020-09-04  202009043   7426      "2:1:3|3:1:3|4:8:4|5:1:4|6:7:0|7:7:4|8:7:3|9:3:0|10:8:4|11:1:0|12:8:4|13:8:4|14:8:1|15:1:3|16:1:0|17:1:3|18:1:3|"
2020-09-04  202009044   7427      "2:1:3|3:1:3|4:8:4|5:1:4|6:7:0|7:7:4|8:7:3|9:3:0|10:8:4|11:1:0|12:8:4|13:8:4|14:8:3|15:1:3|16:1:0|17:1:3|18:1:3|"
2020-09-04  202009046   7428      "2:1:1|3:1:1|4:8:4|5:1:4|6:7:0|7:7:4|8:7:1|9:3:0|10:8:4|11:1:0|12:8:4|13:8:4|14:8:3|15:1:1|16:1:0|17:1:1|18:1:1|"

我想将results 和整个数据框从宽格式转换为长格式，将最后一列results 分成三个数字列。

例如，2:1:3 是 results 中的一个事件，而此列中有数百个此类事件。

我想要的输出：

date_agenda id_question id_event mp_id mp_fraction result
2020-09-04  202009043   7426       2         1        3
2020-09-04  202009043   7426       3         1        3
2020-09-04  202009043   7426       4         8        4
2020-09-04  202009043   7426       5         1        4
2020-09-04  202009043   7426       6         7        0

基本上，初始宽格式（4 列）的一行将转换为长格式（6 列）的数百行。

我知道应该使用pivot_longer、pivot_wider（或gather 和spread）和melt 来完成，但不确定我现在是否具备逻辑。 我是否应该先将字符分成数百列，然后使其变宽或其他。

欣赏提示！谢谢！

【问题讨论】：

请以可重复的形式提供您的输入数据。
嗯，这并不是这里所说的可重现的意思。 stackoverflow.com/questions/5963269/…
@sindri_baldur，我得到了答案，非常感谢您的宝贵时间！

标签： r tidyverse tidyr reshape2

【解决方案1】：

我们可以使用separate_rows 将"|" 上的results 拆分为不同的行，并使用separate 将":" 拆分为三个不同的列。

library(dplyr)
library(tidyr)

df %>%
  separate_rows(results, sep = '\\|') %>%
  #To remove empty values generated from last "|"
  filter(results != '') %>%
  separate(results,c("mp_id", "mp_fraction", "result"), sep = ":",convert = TRUE)

# A tibble: 51 x 6
#   date_agenda id_question id_event mp_id mp_fraction result
#   <chr>             <int>    <int> <int>       <int>  <int>
# 1 2020-09-04    202009043     7426     2           1      3
# 2 2020-09-04    202009043     7426     3           1      3
# 3 2020-09-04    202009043     7426     4           8      4
# 4 2020-09-04    202009043     7426     5           1      4
# 5 2020-09-04    202009043     7426     6           7      0
# 6 2020-09-04    202009043     7426     7           7      4
# 7 2020-09-04    202009043     7426     8           7      3
# 8 2020-09-04    202009043     7426     9           3      0
# 9 2020-09-04    202009043     7426    10           8      4
#10 2020-09-04    202009043     7426    11           1      0
# … with 41 more rows

【讨论】：

完美的解决方案，Ronak Shan！

【解决方案2】：

以及强制性的data.table 解决方案；-)

library(data.table)
DT <- data.table::fread('date_agenda id_question id_event results
2020-09-04  202009043   7426      "2:1:3|3:1:3|4:8:4|5:1:4|6:7:0|7:7:4|8:7:3|9:3:0|10:8:4|11:1:0|12:8:4|13:8:4|14:8:1|15:1:3|16:1:0|17:1:3|18:1:3|"
2020-09-04  202009044   7427      "2:1:3|3:1:3|4:8:4|5:1:4|6:7:0|7:7:4|8:7:3|9:3:0|10:8:4|11:1:0|12:8:4|13:8:4|14:8:3|15:1:3|16:1:0|17:1:3|18:1:3|"
2020-09-04  202009046   7428      "2:1:1|3:1:1|4:8:4|5:1:4|6:7:0|7:7:4|8:7:1|9:3:0|10:8:4|11:1:0|12:8:4|13:8:4|14:8:3|15:1:1|16:1:0|17:1:1|18:1:1|"')

#first, split on pipe
ans <- DT[, list(V2 = unlist(strsplit(results, "[|]", perl = TRUE))), 
   by=.(date_agenda, id_question, id_event) ]
#the split on colon and drop the temp column
ans[, c("mp_id", "mp_fraction", "result") := tstrsplit( V2, ":") ][, -"V2" ]

输出

#     date_agenda id_question id_event mp_id mp_fraction result
#  1:  2020-09-04   202009043     7426     2           1      3
#  2:  2020-09-04   202009043     7426     3           1      3
#  3:  2020-09-04   202009043     7426     4           8      4
#  4:  2020-09-04   202009043     7426     5           1      4
#  5:  2020-09-04   202009043     7426     6           7      0
#  6:  2020-09-04   202009043     7426     7           7      4
#  7:  2020-09-04   202009043     7426     8           7      3
#  8:  2020-09-04   202009043     7426     9           3      0
#  9:  2020-09-04   202009043     7426    10           8      4
# 10:  2020-09-04   202009043     7426    11           1      0
# 11:  2020-09-04   202009043     7426    12           8      4
# 12:  2020-09-04   202009043     7426    13           8      4
# 13:  2020-09-04   202009043     7426    14           8      1
# 14:  2020-09-04   202009043     7426    15           1      3
# 15:  2020-09-04   202009043     7426    16           1      0
# 16:  2020-09-04   202009043     7426    17           1      3
# 17:  2020-09-04   202009043     7426    18           1      3
# 18:  2020-09-04   202009044     7427     2           1      3
# 19:  2020-09-04   202009044     7427     3           1      3
# 20:  2020-09-04   202009044     7427     4           8      4
# 21:  2020-09-04   202009044     7427     5           1      4
# 22:  2020-09-04   202009044     7427     6           7      0
# 23:  2020-09-04   202009044     7427     7           7      4
# 24:  2020-09-04   202009044     7427     8           7      3
# 25:  2020-09-04   202009044     7427     9           3      0
# 26:  2020-09-04   202009044     7427    10           8      4
# 27:  2020-09-04   202009044     7427    11           1      0
# 28:  2020-09-04   202009044     7427    12           8      4
# 29:  2020-09-04   202009044     7427    13           8      4
# 30:  2020-09-04   202009044     7427    14           8      3
# 31:  2020-09-04   202009044     7427    15           1      3
# 32:  2020-09-04   202009044     7427    16           1      0
# 33:  2020-09-04   202009044     7427    17           1      3
# 34:  2020-09-04   202009044     7427    18           1      3
# 35:  2020-09-04   202009046     7428     2           1      1
# 36:  2020-09-04   202009046     7428     3           1      1
# 37:  2020-09-04   202009046     7428     4           8      4
# 38:  2020-09-04   202009046     7428     5           1      4
# 39:  2020-09-04   202009046     7428     6           7      0
# 40:  2020-09-04   202009046     7428     7           7      4
# 41:  2020-09-04   202009046     7428     8           7      1
# 42:  2020-09-04   202009046     7428     9           3      0
# 43:  2020-09-04   202009046     7428    10           8      4
# 44:  2020-09-04   202009046     7428    11           1      0
# 45:  2020-09-04   202009046     7428    12           8      4
# 46:  2020-09-04   202009046     7428    13           8      4
# 47:  2020-09-04   202009046     7428    14           8      3
# 48:  2020-09-04   202009046     7428    15           1      1
# 49:  2020-09-04   202009046     7428    16           1      0
# 50:  2020-09-04   202009046     7428    17           1      1
# 51:  2020-09-04   202009046     7428    18           1      1
#     date_agenda id_question id_event mp_id mp_fraction result

【讨论】：

谢谢！永远不要使用它，但会对社区有所帮助！