【问题标题】:split strings and convert to data frame拆分字符串并转换为数据框
【发布时间】:2019-06-12 08:24:20
【问题描述】:

我有一个 65k 元素字符向量,格式为。每个元素的长度不同,但以逗号为单位的范围为 3 到 8。:

b[1]= "aaaa, bbbb, cccc"
...
b[1000]="aaaa, bbbb, cccc, dddd, eeee, ffff"
...
b[3000]="aaaa, bbbb, cccc, dddd, eeee, ffff, gggg"
b[3001]="aaaa, bbbb, cccc"

我要转成数据框:

row  col1 col2 col3 col4 col5 col6 col7
1    aaaa bbbb cccc
1000 aaaa bbbb cccc dddd eeee ffff
3000 aaaa bbbb cccc dddd eeee ffff gggg

我试过了:

 data.frame( do.call( rbind, strsplit( b, ',' ) ) ) 

得到:

警告信息: 在 (函数 (..., deparse.level = 1) : 结果的列数不是向量长度的倍数(arg 1)

有什么建议吗?

【问题讨论】:

  • StackOverflow 上的可重现示例发生了什么?

标签: r


【解决方案1】:

我们可以在将字符串粘贴在一起并与"\n"折叠后使用read.csv。

read.csv(text = paste0(b, collapse = "\n"), header = FALSE)

#    V1    V2    V3    V4    V5    V6    V7
#1 aaaa  bbbb  cccc                        
#2 aaaa  bbbb  cccc  dddd  eeee  ffff      
#3 aaaa  bbbb  cccc  dddd  eeee  ffff  gggg

如果您想将空字符串读取为NA,请在na.strings 中指定它们

read.csv(text = paste0(b, collapse = "\n"), header = FALSE, na.strings = "")

另一个选项是stri_list2matrix 来自stringi

data.frame(stringi::stri_list2matrix(strsplit(b, ","), byrow = TRUE))

#   X1    X2    X3    X4    X5    X6    X7
#1 aaaa  bbbb  cccc  <NA>  <NA>  <NA>  <NA>
#2 aaaa  bbbb  cccc  dddd  eeee  ffff  <NA>
#3 aaaa  bbbb  cccc  dddd  eeee  ffff  gggg

数据

b <- c("aaaa, bbbb, cccc", "aaaa, bbbb, cccc, dddd, eeee, ffff", 
       "aaaa, bbbb, cccc, dddd, eeee, ffff, gggg")

【讨论】:

  • 对我来说不幸的是,当我处理我的数据子集时,这是可行的,但是当我使用整个数据集时,所有内容都被强制分成 3 列
  • @alex 不确定那里会发生什么,因为我无法重现该问题,但是,我添加了另一个选项 stri_list2matrix
  • 感谢第二个选项,它有效。不知道为什么第一个选项不起作用。
【解决方案2】:

我们可以从data.table使用fread

library(data.table)
fread(paste(b, collapse="\n", sep=""), fill = TRUE)
#   V1   V2   V3   V4   V5   V6   V7
#1: aaaa bbbb cccc                    
#2: aaaa bbbb cccc dddd eeee ffff     
#3: aaaa bbbb cccc dddd eeee ffff gggg

数据

b <- c("aaaa, bbbb, cccc", "aaaa, bbbb, cccc, dddd, eeee, ffff", 
   "aaaa, bbbb, cccc, dddd, eeee, ffff, gggg")

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2016-02-29
    • 1970-01-01
    • 2018-04-18
    相关资源
    最近更新 更多