字符串将数据帧与向量作为 R 中的模式进行拆分

Question

我有一个由多行组成的数据框，我想根据 R 中的向量元素（本质上以向量作为“模式”运行 strsplit）将每一行拆分为两个组件。

数据框（只有一列）看起来像这样：

     [,1]                
[1,] "apple please fuji" 
[2,] "pear help name"    
[3,] "banana me mango"   

而我的模式向量可能如下所示：v <- c("please", "help", "me")。

如果可能，我希望我的 end 输出为：

  df$name             df$part1  df$split  df$part2   
 "apple please fuji" "apple"    "please"  "fuji" 
 "pear help name"    "pear"     "help"    "name" 
 "banana me mango"   "banana"   "me"      "mango"

对于能够基于向量隔离组件的中间步骤的任何帮助，我将不胜感激，但如果有更简单的方法将其放入数据框中，那就太好了！非常感谢！

Answer 1

这是基础 R 中的两种方法。

从一个字符向量开始：

text <- c("apple please fuji", "pear help name", "banana me mango")

此外，所需的变量名称（为方便起见）

varNames <- c("name", "part1", "split", "part2")

---

使用regexec 和regmatches

您也可以将正则表达式与regmatches / regexec 组合使用来构建此数据集。

首先，使用 paste 从 v 构建一个正则表达式。

myRegex <- paste0("^(.*) +(", paste(v, collapse="|"), ") +(.*)$")
myRegex
[1] "^(.*)(please|help|me)(.*)$"

setNames(do.call(rbind.data.frame, regmatches(text, regexec(myRegex, text))), varNames)

返回和上面一样

               name  part1  split part2
1 apple please fuji  apple please  fuji
2    pear help name   pear   help  name
3   banana me mango banana     me mango

---

使用strsplit 和do.call

首先，将每个元素按v分割

tmp <- do.call(strsplit, list(text, split=v))
tmp
[[1]]
[1] "apple " " fuji" 

[[2]]
[1] "pear " " name"

[[3]]
[1] "banana " " mango" 

现在，rbind.data.frame 这些，它会删除第二列，并返回一个 data.frame cbind 的 split 和 name 变量，然后添加带有 setNames 的名称。

setNames(cbind(text, do.call(rbind.data.frame, tmp), v)[c(1, 2, 4, 2)], varNames)

返回

               name   part1  split   part2
1 apple please fuji  apple  please  apple 
2    pear help name   pear    help   pear 
3   banana me mango banana      me banana 

---

Answer 2

此解决方案假定v 中的元素数等于数据框中的行数。您可以使用tidyr 包中的separate 创建part1 和part2。

library(tidyverse)
df <- tibble(name = c("apple please fuji", "pear help name", "banana me mango"))
v <- c("please", "help", "me")

df %>% 
  separate(name, c("part1", "part2"), v, remove = FALSE) %>%
  add_column(split = v, .before = "part2")
#> # A tibble: 3 x 4
#>                name   part1  split  part2
#>               <chr>   <chr>  <chr>  <chr>
#> 1 apple please fuji  apple  please   fuji
#> 2    pear help name   pear    help   name
#> 3   banana me mango banana      me  mango

如果您想尝试使用 v 中的 any 元素拆分每一行，那么您可以先尝试将 v 粘贴到单个模式中，然后再进行拆分。我认为这样的事情应该有效。

library(tidyverse)
library(stringr)
p <- paste0("\\b(?:", paste(v, collapse = "|"), ")\\b")
df %>% 
  separate(name, c("part1", "part2"), p, remove = FALSE) %>%
  mutate(split = str_extract(name, p)) %>%
  select(name, part1, split, part2)
#> # A tibble: 3 x 4
#>                name   part1  split  part2
#>               <chr>   <chr>  <chr>  <chr>
#> 1 apple please fuji  apple  please   fuji
#> 2    pear help name   pear    help   name
#> 3   banana me mango banana      me  mango

Answer 3

# Creating creating the df
name <- c("apple please fuji","pear help name","banana me mango")

# as.data.frame
df <- as.data.frame(name, stringsAsFactors = F)
# Initialize empty data frame. 
df_n <- data.frame()
# Loop through the original rows of the df. 
for(i in 1:nrow(df)){
  for(j in 1:nrow(df)){
    o <- strsplit(df$name, " ")[[i]][j]
  }
}
# rename and assign new df (df_n) changes to original df. 
df$part1 <- df_n$V1
df$part2 <- df_n$V2
df$part3 <- df_n$V3

print(df)