R：根据另一列中的值从列中的拆分字符串中检索数据

Question

我有一个非常大的数据框，例如：

df = data.frame(nr = c(3,3,4), dependeny = c("6/3/1", "9/3/1",
  "5/4/4/1"), token=c("Trotz des Rückgangs", 
  "Trotz meherer Anfragen", "Trotz des ärgerlichen Unentschiedens"))

  nr dependeny                                token
1  3     6/3/1                  Trotz des Rückgangs
2  3     9/3/1               Trotz meherer Anfragen
3  4   5/4/4/1 Trotz des ärgerlichen Unentschiedens

我想根据“nr”和“dependency”中的值添加第 4 列，其中包含“token”的摘录。更准确地说，我想要来自“token”的元素，它们对应于“dependency”中对应于“nr”的值。

示例： 第 1 行： 我想要“des”，因为“nr”是 3，而 2 是“dependency”中的第二个元素。 “token”中的第二个元素是“des”。

第 3 行： 我想要“des ärgerlichen”，因为“nr”是 4，而 4 是“依赖”中的第二个和第三个元素。 “tokens”中的第二个和第三个元素是“des ärgerlichen”。

我尝试过使用 split 和 str_split，但不知道如何处理结果元素。

Answer 1

我们可以使用base R 方法来创建第四列。

unlist(Map(function(x,y,z) paste(z[x==y], collapse=' '), 
         df$nr,strsplit(as.character(df$dependeny), '/'), 
            strsplit(as.character(df$token), ' ')))
#[1] "des"             "meherer"         "des ärgerlichen"

Answer 2

一种选择是将数据拆分为“长”形式。有几种方法可以做到这一点，其中之一是使用我的“splitstackshape”包中的cSplit。

library(splitstackshape)
cSplit(as.data.table(df)[, rn := .I], 
       c("dependeny", "token"), c("/", " "), "long")[nr == dependeny]
#    nr dependeny       token rn
# 1:  3         3         des  1
# 2:  3         3     meherer  2
# 3:  4         4         des  3
# 4:  4         4 ärgerlichen  3

请注意，我已经添加了行号。如果需要，这允许我们将内容重新粘贴在一起：

cSplit(as.data.table(df)[, rn := .I],                   ## Adds row numbers
       c("dependeny", "token"), c("/", " "), "long")[   ## Splits the data into rows
         nr == dependeny][                              ## Selects the values of interest
         , paste(token, collapse = " "), by = rn]       ## Pastes the token values together
#    rn              V1
# 1:  1             des
# 2:  2         meherer
# 3:  3 des ärgerlichen