【发布时间】：2011-10-27 11:58:15
【问题描述】：
我想在基于分隔符的数据框中将一列分成两列。例如，
a|b
b|c
成为
a b
b c
在数据框内。
谢谢！
【问题讨论】：
【发布时间】：2011-10-27 11:58:15
【问题描述】：
@Taesung Shin 是对的，但只需更多的魔法就可以将其变成data.frame。
我添加了一个“x|y”行以避免歧义：
df <- data.frame(ID=11:13, FOO=c('a|b','b|c','x|y'))
foo <- data.frame(do.call('rbind', strsplit(as.character(df$FOO),'|',fixed=TRUE)))
或者，如果您想替换现有 data.frame 中的列：
within(df, FOO<-data.frame(do.call('rbind', strsplit(as.character(FOO), '|', fixed=TRUE))))
产生：
ID FOO.X1 FOO.X2
1 11 a b
2 12 b c
3 13 x y
【讨论】：
-
如果它是预先存在的包含 100 列的大型数据框中的一列，您会怎么做？
-
好问题。我会进行拆分，将其制成一个数据框，适当地重命名它（
reshape包中的rename函数可以方便地即时执行此操作），然后将rbind与现有数据框一起使用——额外的努力使它插入到前一列而不是作为第一列或最后一列... -
我的更新版本也处理了数百个其他列。
-
+1 这是最通用的解决方案。它甚至可以处理由“|”分隔的不同数量的值的情况。当然，必须处理 rbind 的结果，它可能会回收那些元素较少的行。但是对于这种情况，另一种解决方案会失败。
-
小心，
length(strsplit('a|', '|', fixed=TRUE))是1-- 如the docs 说：“...但是如果字符串末尾有匹配，则输出与比赛被删除。”正如@YuShen 所说，这个解决方案将“回收”。对我来说，我只想要空的空间，而不是回收。
新近流行的tidyr 包使用separate 实现了这一点。它使用正则表达式，因此您必须转义 |
df <- data.frame(ID=11:13, FOO=c('a|b', 'b|c', 'x|y'))
separate(data = df, col = FOO, into = c("left", "right"), sep = "\\|")
# ID left right
# 1 11 a b
# 2 12 b c
# 3 13 x y
虽然在这种情况下，默认值足够聪明，可以正常工作（它会查找要拆分的非字母数字字符）。
separate(data = df, col = FOO, into = c("left", "right"))
【讨论】：
-
乍一看这看起来很酷，但是如何将结果重新组合到数据框中？
-
@FlorinAndrei
separate返回一个数据框。不需要额外的工作。
Hadley 有一个非常优雅的解决方案，可以在他的 reshape 包中的数据框中执行此操作，使用函数 colsplit。
require(reshape)
> df <- data.frame(ID=11:13, FOO=c('a|b','b|c','x|y'))
> df
ID FOO
1 11 a|b
2 12 b|c
3 13 x|y
> df = transform(df, FOO = colsplit(FOO, split = "\\|", names = c('a', 'b')))
> df
ID FOO.a FOO.b
1 11 a b
2 12 b c
3 13 x y
【讨论】：
-
有没有一种方法可以在没有结果列名的情况下得到这个结果，如“FOO.a”和“FOO.b”，但就像“a”和“b”一样（很容易改变，但只是想知道...）？
-
您可以执行以下操作
with(df, cbind(ID, colsplit(df$FOO, pattern = "\\|", names = c('a', 'b'))))。请注意，reshape2中的参数split已重命名为pattern，这是reshape包的更新版本。 -
我的编辑目前被阻止...我会在每次分配后更新您的答案以打印 df... require(reshape) > df df ID FOO 1 11 a|b 2 12 b|c 3 13 x|y > df = transform(df, FOO = colsplit(FOO, split = "\\|", names = c('a', 'b'))) > df ID FOO.a FOO.b 1 11 ab 2 12 bc 3 13 xy
-
另外，如果您不知道会产生的列数，有没有办法做到这一点？
-
这个解决方案的小问题。它将列拆分为“嵌套”数据框，因此如果您需要使用
ggplot2将数据用于绘图，则无法识别列名。我发现tidyr中的separate函数对此目的更有用。查看@Gregor的回答
刚刚遇到这个问题，因为它链接在a recent question on SO。
无耻的回答：使用我的“splitstackshape”包中的cSplit：
df <- data.frame(ID=11:13, FOO=c('a|b','b|c','x|y'))
library(splitstackshape)
cSplit(df, "FOO", "|")
# ID FOO_1 FOO_2
# 1 11 a b
# 2 12 b c
# 3 13 x y
即使每列有不同的分隔符，这个特定的函数也可以处理拆分多列：
df <- data.frame(ID=11:13,
FOO=c('a|b','b|c','x|y'),
BAR = c("A*B", "B*C", "C*D"))
cSplit(df, c("FOO", "BAR"), c("|", "*"))
# ID FOO_1 FOO_2 BAR_1 BAR_2
# 1 11 a b A B
# 2 12 b c B C
# 3 13 x y C D
本质上，它是使用基本 R 方法可能是：read.table(text = some_character_vector, sep = some_sep) 并将输出绑定到原始data.frame 的精美便捷包装器。换句话说，另一种
df <- data.frame(ID=11:13, FOO=c('a|b','b|c','x|y'))
cbind(df, read.table(text = as.character(df$FOO), sep = "|"))
ID FOO V1 V2
1 11 a|b a b
2 12 b|c b c
3 13 x|y x y
【讨论】：
-
我特别喜欢你不必定义数据“进入”的列名
-
同意 tospig。我也喜欢原生方法
read.table(c('a|b','c|d'), '|')如果我们正在创建一个新的 data.frame 可以解决问题，即使 SO 谈到“在 [现有] 数据框架内”。 -
read.table 的缺点，sep 只能是一个字节，hash 分隔符被解释为注释？
read.table(text=c('a#b'), sep='#')只产生一列——我期望两列。 -
@TheRedPea，现在在手机上，但您不能通过将
read.table中的注释字符也指定为""来获得您想要的结果吗？ -
@AnandaMahto 你是绝对正确的；这会产生 2 列：
read.table(text=c('a#b'), sep='#', comment.char = '')和单字符分隔符，如果我将 c('a~~b') 传递给 gsub，我可以获得我需要的单字节分隔符：gsub('~~','~', c('a~~b'))
strsplit(c('a|b','b|c'),'|',fixed=TRUE)
【讨论】：
结合@Ramnath 和@Tommy 的答案让我找到了一种在base R 中适用于一个或多个列的方法。
基本用法：
> df = data.frame(
+ id=1:3, foo=c('a|b','b|c','c|d'),
+ bar=c('p|q', 'r|s', 's|t'), stringsAsFactors=F)
> transform(df, test=do.call(rbind, strsplit(foo, '|', fixed=TRUE)), stringsAsFactors=F)
id foo bar test.1 test.2
1 1 a|b p|q a b
2 2 b|c r|s b c
3 3 c|d s|t c d
多列：
> transform(df, lapply(list(foo,bar),
+ function(x)do.call(rbind, strsplit(x, '|', fixed=TRUE))), stringsAsFactors=F)
id foo bar X1 X2 X1.1 X2.1
1 1 a|b p|q a b p q
2 2 b|c r|s b c r s
3 3 c|d s|t c d s t
更好地命名多个拆分列：
> transform(df, lapply({l<-list(foo,bar);names(l)=c('foo','bar');l},
+ function(x)do.call(rbind, strsplit(x, '|', fixed=TRUE))), stringsAsFactors=F)
id foo bar foo.1 foo.2 bar.1 bar.2
1 1 a|b p|q a b p q
2 2 b|c r|s b c r s
3 3 c|d s|t c d s t
【讨论】：