根据高于某个值的每一行从一个数据帧创建多个数据帧答案

【问题标题】：Creating multiple dataframes from one based on every row above a certain value根据高于某个值的每一行从一个数据帧创建多个数据帧
【发布时间】：2019-07-29 16:27:40
【问题描述】：

我目前有一个 Excel 表格，它是我公司使用的一类电子表格的一般格式。这些行不是固定的，但它们通常看起来像这样

ID  work_order  Item                            value
1               hero                            9399393
2               zero                            393030
3               hereto                          3322
4               Subsidy Transfer 2018 Medium    9292
5   203         akron                           17272
6   002         saffron                         2345
7   004         Percentage Dispersed            2222
8   005         hi                              105
9   203         bye                             202
10  202         END          
11    
12 UNFORMATTED DATA

所以我想把它分成三个不同的数据框。 1. 以“Subsidy Transfer”开头的call_type之前和包括在内的每一行 2.“补贴转移”后的每一行以及“分散百分比”前后的所有内容 3.“Percentage Dispersed”之后和“END”之前的每一行

所以我的代码肯定会找到我正在寻找的行...

df[grep("Subsidy Transfer", df$Item), ]

但我不确定如何为三个组复制此操作以获取三个对象，同时还保留变量名称。从本质上讲，这三个场景之上和之下的所有内容都是有意义的。

最后，我希望看到三个不同的数据框供我使用上述规范进行操作。

【问题讨论】：

标签： r grepl

【解决方案1】：

您只需要 Item 列进行分组，所以我简化了您的数据框。

library(dplyr)
library(tidyr)
workflow <- data.frame(
    Item = c("a","c","d","Subsidy Transfer 2018 Medium ","a","g","f","d","Percentage Dispersed  ","e","END")
)

> workflow
                            Item
1                              a
2                              c
3                              d
4  Subsidy Transfer 2018 Medium 
5                              a
6                              g
7                              f
8                              d
9         Percentage Dispersed  
10                             e
11                           END

回答你的问题

您需要标记关键行（例如使用标签 1、2、3）并使用tidyr::fill() 用关键行的标签填充缺失值。

result <- workflow %>%
    mutate(group = case_when(
        grepl("^Subsidy Transfer",Item) ~ 1L,
        grepl("^Percentage Dispersed",Item) ~ 2L,
        grepl("^END",Item) ~ 3L
    )) %>%
    fill(group,.direction = "up") %>%
    group_by(group)

result_list <- group_split(result)

> result_list
[[1]]
# A tibble: 4 x 2
  Item                            group
  <fct>                           <int>
1 a                                   1
2 c                                   1
3 d                                   1
4 "Subsidy Transfer 2018 Medium "     1

[[2]]
# A tibble: 5 x 2
  Item                     group
  <fct>                    <int>
1 a                            2
2 g                            2
3 f                            2
4 d                            2
5 "Percentage Dispersed  "     2

[[3]]
# A tibble: 2 x 2
  Item  group
  <fct> <int>
1 e         3
2 END       3

【讨论】：

你从哪里得到的“填充”功能？
tidyr::fill() 来自 tidyr 包。刚刚修改了我的答案以包括我使用的包。
嗯，它可以工作，只是它不包括各自组中的“补贴转移”、“分散百分比”或“结束”行
修改后的解决方案，使其位于不同的组中。
我的意思是“END”行不是读为 3，也不是读为 2，等等。相反，它们开始在新事物处重新编号

【解决方案2】：

使用stringr 包，因为grep 系列函数未矢量化。

df$split <- cumsum(stringr::str_detect(df$call_type, "Subsidy Transfer|Percentage|END")) # Identify cutoff rows
df$split <- df$split - stringr::str_detect(df$call_type, "Subsidy Transfer|Percentage|END") # Make cutoff rows belong to the preceding group

split(df, df$split) # split by these groups

【讨论】：

【解决方案3】：

这个呢？：

您可以创建一个空列表来保存分割后的 3 个数据框：

df_split<-list()

df_split<-list(df[1:which(df$Item=="Subsidy Transfer 2018 Medium"),], 
               df[(1+which(df$Item=="Subsidy Transfer 2018 Medium")):which(df$Item=="Percentage Dispersed"),],
               df[which(df$Item=="Percentage Dispersed") +1:length(df),])

【讨论】：