根据逗号拆分数据框列[重复]答案

【问题标题】：Split a data frame column based on a comma [duplicate]根据逗号拆分数据框列[重复]
【发布时间】：2019-09-17 02:10:36
【问题描述】：

我有一个具有以下结构的数据框，标题为“final_proj_data”

ID          County              Population     Year  
<dbl>       <chr>               <dbl>          <dbl>    
1003    Baldwin County, Alabama 169162         2006     
1015    Calhoun County, Alabama 112903         2006     
1043    Cullman County, Alabama 80187          2006     
1049    DeKalb County, Alabama  68014          2006

我正在尝试将 County 列拆分为两个不同的列，即 County 和 State，并删除逗号。

我尝试了separate() 函数的多种排列，但我不断收到此错误：

错误：var 必须计算为单个数字或列名，而不是字符向量

我已经尝试过（以及其他）

  final_proj_data %>% 
separate(final_proj_data$County, c("State", "County"), sep = ",", remove = TRUE)
    final_proj_data %>% 
separate(data = final_proj_data, col = County,
 into = c("State", "County"), sep = ",")

我不确定我做错了什么，或者为什么“col =”一直抛出这个错误。任何帮助将不胜感激！

【问题讨论】：

试试final_proj_data %>% separate(County, into = c("County", "State"), sep = ",")
您的代码的问题是您使用的是$，它通常不适合与dplyr 管道链接的数据一起使用，因此您应该将separate(final_proj_data$County,.....) 替换为@987654328 @.
@RonakShah，谢谢！那行得通！抱歉，这个问题有点基础，但我对 R 很陌生，而且链接并不是我在其他编程中经常使用的东西。

标签： r dplyr tidyr

【解决方案1】：

使用 dplyr 和基础 R：

library(dplyr)
 final_proj_data %>% 
 mutate(State=unlist(lapply(strsplit(County,", "),function(x) x[2])),
       County=gsub(",.*","",County))
    ID         County Population Year   State
1 1003 Baldwin County     169162 2006 Alabama
2 1015 Calhoun County     112903 2006 Alabama
3 1043 Cullman County      80187 2006 Alabama
4 1049  DeKalb County      68014 2006 Alabama

原创：

使用dplyr 和tidyr（刚刚看到@Ronak Shah 在上面发表了相同的评论）：

library(dplyr)
library(tidyr)
final_proj_data %>% 
   separate(County,c("County","State"),sep=",")
    ID         County    State Population Year
1 1003 Baldwin County  Alabama     169162 2006
2 1015 Calhoun County  Alabama     112903 2006
3 1043 Cullman County  Alabama      80187 2006
4 1049  DeKalb County  Alabama      68014 2006

【讨论】：

【解决方案2】：

我们可以尝试在此处使用sub 作为基本 R 选项：

County <- sub(",.*$", "", final_proj_data$County)
State <- sub("^.*,\\s*", "", final_proj_data$County)
final_proj_data$County <- County
final_proj_data$State <- State

【讨论】：

【解决方案3】：

我们可以在base R 中使用read.csv 执行此操作

final_proj_data[c("County", "State")] <- read.csv(text = final_proj_data$County, 
              header = FALSE, stringsAsFactors = FALSE, strip.white = TRUE)
final_proj_data
#    ID         County Population Year   State
#1 1003 Baldwin County     169162 2006 Alabama
#2 1015 Calhoun County     112903 2006 Alabama
#3 1043 Cullman County      80187 2006 Alabama
#4 1049  DeKalb County      68014 2006 Alabama

数据

final_proj_data <- structure(list(ID = c(1003L, 1015L, 1043L, 1049L), 
   County = c("Baldwin County, Alabama", 
"Calhoun County, Alabama", "Cullman County, Alabama", "DeKalb County, Alabama"
), Population = c(169162L, 112903L, 80187L, 68014L), Year = c(2006L, 
2006L, 2006L, 2006L)), class = "data.frame", row.names = c(NA, 
-4L))

【讨论】：

【解决方案4】：

我们可以在基础 R 中使用strsplit。

cbind(d, `colnames<-`(do.call(rbind, strsplit(d$County, ", ")), c("County", "State")))[-2]
#     ID Population Year         County   State
# 1 1003     169162 2006 Baldwin County Alabama
# 2 1015     112903 2006 Calhoun County Alabama
# 3 1043      80187 2006 Cullman County Alabama
# 4 1049      68014 2006  DeKalb County Alabama

注意：如果County 是因子列，则使用strsplit(as.character(d$County), ", ")。

数据

d <- structure(list(ID = c("1003", "1015", "1043", "1049"), County = c("Baldwin County, Alabama", 
"Calhoun County, Alabama", "Cullman County, Alabama", "DeKalb County, Alabama"
), Population = c("169162", "112903", "80187", "68014"), Year = c("2006", 
"2006", "2006", "2006")), row.names = c(NA, -4L), class = "data.frame")

【讨论】：