将非特定长度字符串拆分为列

Question

我有一列字符串，我正在尝试将它们拆分为列。我在网上阅读了几篇文章（在底部），但我认为这是不同的。

stringColumn <- c(
  "50m 26.50 26.50 100m 53.82 27.32",                                     
  NA,                                                                      
  "50m 25.83 25.83 100m 52.99 27.16",                                      
  "25m 12.46 12.46 50m 26.26 13.80 75m 40.02 13.76 100m 53.48 13.46",      
  NA,                                                                      
  "25m 11.72 11.72 50m 25.33 13.61 75m 39.15 13.82 100m 52.55 13.40",      
  "50m 27.20 27.20 100m 56.38 29.18 150m 1:26.39 30.01 200m 1:56.16 29.77")

这会持续一段时间（970K 行），并且字符串遵循相同的格式，要么是 NA，要么是 (measurement totaltime timeatcurrentpoint, repeating)。因为不相等，所以不能使用正则表达式或str_split。我的目标是获得一个数据框，其中包含测量的列名（25m、50m、100m 等）以及该点的总时间。

期望的输出：

25m     50m     75m     100m    150m  200m    
NA      26.5    NA      53.82   NA    NA       
NA      NA      NA      NA      NA    NA       
12.46   26.26   40.02   53.48   NA    NA       
NA      NA      NA      NA      NA    NA       
11.72   25.33   39.15   52.55   NA    NA       
NA      27.2    NA      56.38   NA    1:56.16 

Answer 1

这是使用tidyverse 工具的一种方式。我们可以：

1. 使用str_split 和(?=\\d+?m) 前瞻仅在距离之间的标记处拆分每个字符串（即空格后跟一些数字和m）；
2. 放入tibble，添加rowid 列，以便我们知道哪些测量值来自哪些字符串；
3. unnest 所以每次测量都在自己的行上；
4. separate 所以measurement、totaltime和current time都有自己的列，丢弃当前时间
5. spread 对列标题进行测量。

请注意，这与您的示例输出不太匹配，忽略列顺序，但我认为它正确对应于输入。

library(tidyverse)

stringColumn = c(
  "50m 26.50 26.50 100m 53.82 27.32",
  NA,
  "50m 25.83 25.83 100m 52.99 27.16",
  "25m 12.46 12.46 50m 26.26 13.80 75m 40.02 13.76 100m 53.48 13.46",
  NA,
  "25m 11.72 11.72 50m 25.33 13.61 75m 39.15 13.82 100m 52.55 13.40",
  "50m 27.20 27.20 100m 56.38 29.18 150m 1:26.39 30.01 200m 1:56.16 29.77"
)

stringColumn %>%
  str_split(" (?=\\d+?m)") %>%
  tibble(strings = .) %>%
  rowid_to_column(var = "stringid") %>%
  unnest(strings) %>%
  separate(strings, c("measurement", "totaltime", "timeatcurrentpoint"), sep = " ") %>%
  select(-timeatcurrentpoint) %>%
  spread(measurement, totaltime)
#> # A tibble: 7 x 8
#>   stringid `100m` `150m`  `200m`  `25m` `50m` `75m` `<NA>`
#>      <int> <chr>  <chr>   <chr>   <chr> <chr> <chr> <chr> 
#> 1        1 53.82  <NA>    <NA>    <NA>  26.50 <NA>  <NA>  
#> 2        2 <NA>   <NA>    <NA>    <NA>  <NA>  <NA>  <NA>  
#> 3        3 52.99  <NA>    <NA>    <NA>  25.83 <NA>  <NA>  
#> 4        4 53.48  <NA>    <NA>    12.46 26.26 40.02 <NA>  
#> 5        5 <NA>   <NA>    <NA>    <NA>  <NA>  <NA>  <NA>  
#> 6        6 52.55  <NA>    <NA>    11.72 25.33 39.15 <NA>  
#> 7        7 56.38  1:26.39 1:56.16 <NA>  27.20 <NA>  <NA>

Answer 2

我们可以将您的数据更改为表达式并对其进行评估：

stringColumn2 <-  gsub("\\s*(\\d+m)\\s*","'),`\\1`=c('",stringColumn[!is.na(stringColumn)])
stringColumn3 <-  paste0(gsub("^'),","list(",stringColumn2),"'))")
stringColumn4 <-  gsub("\\s+","','",stringColumn3)
stringColumn5 <- paste0("list(",paste(stringColumn4,collapse=","),")")

library(dplyr)
bind_rows(eval(parse(text=stringColumn5)),.id = "id")
# # A tibble: 10 x 7
#    id    `50m` `100m` `25m` `75m` `150m`  `200m` 
#    <chr> <chr> <chr>  <chr> <chr> <chr>   <chr>  
#  1 1     26.50 53.82  <NA>  <NA>  <NA>    <NA>   
#  2 1     26.50 27.32  <NA>  <NA>  <NA>    <NA>   
#  3 2     25.83 52.99  <NA>  <NA>  <NA>    <NA>   
#  4 2     25.83 27.16  <NA>  <NA>  <NA>    <NA>   
#  5 3     26.26 53.48  12.46 40.02 <NA>    <NA>   
#  6 3     13.80 13.46  12.46 13.76 <NA>    <NA>   
#  7 4     25.33 52.55  11.72 39.15 <NA>    <NA>   
#  8 4     13.61 13.40  11.72 13.82 <NA>    <NA>   
#  9 5     27.20 56.38  <NA>  <NA>  1:26.39 1:56.16
# 10 5     27.20 29.18  <NA>  <NA>  30.01   29.77  

中间步骤：

stringColumn2[1]
# [1] "'),`50m`=c('26.50 26.50'),`100m`=c('53.82 27.32"
stringColumn3[1]
# [1] "list(`50m`=c('26.50 26.50'),`100m`=c('53.82 27.32'))"
stringColumn4[1]
# [1] "list(`50m`=c('26.50','26.50'),`100m`=c('53.82','27.32'))"