循环遍历列并将字段自动拆分到新列

Question

我一直在使用名为 daff 的包比较 R 中的两个数据帧，这是我得到的最终表格：

dput(df)
structure(list(v1 = c("Silva->Silva/Mark", "Brandon->Brandon/Livo", "Mango->Mango or Apple"),
               v2 = c("James->James=Jacy","NA->Na/Jane", "Egg->Egg and Orange")),
          class = "data.frame", row.names = c(NA,  -3L))

行字段具有 ->(箭头) 表示该单元格中的数据已从先前的数据帧列修改为当前数据帧值。现在从这里我不得不用 ->(arrow) 分隔符分隔列，这样我就可以拥有一个旧列和新的更改列。这意味着我在新列中添加了后缀_old 和 _New。我使用了这段代码并查看了输出：

setDT(df)
df1<- lapply(names(df), function(x) {
  mDT <- df[, tstrsplit(get(x), " *-> *")]
  if (ncol(mDT) == 2L) setnames(mDT, paste0(x, c("_Old", "_New")))
}) %>% as.data.table()

输出

dput(df)
structure(list(v1_Old = c("Silva", "Brandon", "Mango"),
               v1_New = c("Silva/Mark", "Brandon/Livo", "Mango or Apple"),
               v2_Old = c("James","NA", "Egg"),
               v2_New = c("James=Jacy","Na/Jane", "Egg and Orange")),
          class = "data.frame", row.names = c(NA,  -3L))

现在我的下一步是比较具有 _old 和 _new 后缀的每两列，以确定修改的内容，然后拆分并存储在名为 diff_v1 的新列中 和 diff_v2。这是我使用这段代码完成的（意识到我必须通过创建不同的拆分代码行手动执行此操作，这对于 20 多个单独的列来说很乏味）：

df$diff_v1<- mapply(function(x, y) paste(setdiff(y, x), collapse = '| '), strsplit(df$v1_old, '\\||, | | -| \\+'), strsplit(df$v1_Name_new, '\\||, | | -| \\+'))
df$diff_v2<- mapply(function(x, y) paste(setdiff(y, x), collapse = '| '), strsplit(df$v2_old, '\\||, | | -| \\+'), strsplit(df$v2_new, '\\||, | | -| \\+'))

输出

dput(df)
structure(list(v1_Old = c("Silva", "Brandon", "Mango"),
               v1_New = c("Silva/Mark", "Brandon/Livo", "Mango or Apple"),
               diff_v1 = c("/Mark", "/Livo", "or Apple"),
               v2_Old = c("James","NA", "Egg"),
               v2_New = c("James=Jacy","Na/Jane", "Egg and Orange"),
               diff_v2 = c("=Jacy","/Jane", "and Orange")),
          class = "data.frame", row.names = c(NA,  -3L))

我的问题是我能否遍历具有 _old 和 _new 的列并创建名为 diff_v1 和 diff_v2 的新列 之后分别没有逐行运行代码。我有多个列，它们根据我正在比较的数据框不断变化。想知道如何使用代码自动识别具有 _Old 和 _New 后缀的列并拆分，然后在两者之后创建新列，但应该在每对列上发生。

目前我必须转到数据框，检查新旧列，然后手动更改正在拆分和创建 diff 列

的代码

Answer 1

我们可以使用grep 根据名称识别"Old" 和"New" 列。我们可以使用在string 和pattern 上矢量化的str_remove 来删除"New" col 中存在的"Old" col 的一部分以创建新列。

old_cols <- grep("Old$", names(df), value = TRUE)
new_cols <- grep("New$", names(df), value = TRUE)


df[sub("New$", "diff", new_cols)] <- Map(stringr::str_remove, 
                                         df[new_cols], df[old_cols])

要按顺序获取名称，我们可以这样做

df <- df[order(sub("_.*", "", names(df)))]
df
#   v1_Old         v1_New   v1_diff v2_Old         v2_New     v2_diff
#1   Silva     Silva/Mark     /Mark  James     James=Jacy       =Jacy
#2 Brandon   Brandon/Livo     /Livo     NA        Na/Jane     Na/Jane
#3   Mango Mango or Apple  or Apple    Egg Egg and Orange  and Orange

---

使用tidyverse，我们可以做到

library(tidyverse)

df %>%
   bind_cols(map2(df %>% select(ends_with("New")), 
                  df %>% select(ends_with("Old")), stringr::str_remove))