将一列重新排列成两列数据框 r答案

【问题标题】：Rearrange one column into a two column data frame r将一列重新排列成两列数据框 r
【发布时间】：2020-05-03 12:45:28
【问题描述】：

我有一个大文件，以一种非常不方便的方式组织，所有值在一列中，每个单元格有七个值，最后两行除外，如下所示：

df <- c('(98440=9) (98450=9) (98500=9) (98520=9) (98530=9) (98540=9) (98550=9)',
'(98555=9) (98560=9) (98570=9) (98590=9) (98600=9) (98620=9) (98630=9)',
'(98690=9) (98920=3) (98930=5) (98940=5) (98950=9) (98990=11) (99900=-1)',
'(99910=11) (99920=-1) (99930=11)',
'(-1=-1) (-2=-1) (99999=-1)')

我只想保留数值，同时将第一个和第二个数值分成两列，其中'='是分隔符，如：

      x     y
  <dbl> <dbl>
1 98440     9
2 98450     9
3 98500     9

我管理两个使用单独的 dplyr、子字符串和其他一些代码来实现这一点。但是，我最终丢失了很多数据。关于如何解决这个问题并保留所有数据的任何想法？我知道这是一个经常被问到的问题，但这个数据集比我见过的任何其他数据集都要混乱。

【问题讨论】：

标签： r dplyr tidyverse

【解决方案1】：

两种解决方案：

这是使用 str_extract 包 stringr 的两步解决方案。

第一步 - 将价值链拆分为单个值：

df1 <- unlist(strsplit(df, " "))

第二步 - 拆分 = 处的值并将值的一半分配给新数据帧的两列：

df2 <- data.frame(
  col1 = str_extract(df1, "(-)?\\d+(?==)"),
  col2 = str_extract(df1, "(?<==)(-)?\\d+")
)

或者，这是使用str_extract_all 的一步解决方案：

df1 <- data.frame(
  col1 = unlist(str_extract_all(df, "(-)?\\d+(?==)")),
  col2 = unlist(str_extract_all(df, "(?<==)(-)?\\d+"))
)

编辑：

如果数据是数据帧的一部分，待拆分的数据称为Var1，则代码如下：

df1 <- data.frame(
  col1 = unlist(str_extract_all(df$Var1, "(-)?\\d+(?==)")),
  col2 = unlist(str_extract_all(df$Var1, "(?<==)(-)?\\d+"))
)

结果：

df2
    col1 col2
1  98440    9
2  98450    9
3  98500    9
4  98520    9
5  98530    9
6  98540    9
7  98550    9
8  98555    9
9  98560    9
10 98570    9
11 98590    9
12 98600    9
13 98620    9
14 98630    9
15 98690    9
16 98920    3
17 98930    5
18 98940    5
19 98950    9
20 98990   11
21 99900   -1
22 99910   11
23 99920   -1
24 99930   11
25    -1   -1
26    -2   -1
27 99999   -1

【讨论】：

对不起，我忘了提到数据是在数据框中组织的。如果在值之后添加 df

【解决方案2】：

经典地，使用gsub 和strsplit。

df <- 
  data.frame(matrix(as.double(unlist(strsplit(gsub("[\\(\\)]", "", v), "=|\\s"))),,2, b=T))

#       V1 V2
# 1  98440  9
# 2  98450  9
# 3  98500  9
# 4  98520  9
# 5  98530  9
# 6  98540  9
# 7  98550  9
# 8  98555  9
# 9  98560  9
# 10 98570  9
# 11 98590  9
# 12 98600  9
# 13 98620  9
# 14 98630  9
# 15 98690  9
# 16 98920  3
# 17 98930  5
# 18 98940  5
# 19 98950  9
# 20 98990 11
# 21 99900 -1
# 22 99910 11
# 23 99920 -1
# 24 99930 11
# 25    -1 -1
# 26    -2 -1
# 27 99999 -1

数据

v <- c("(98440=9) (98450=9) (98500=9) (98520=9) (98530=9) (98540=9) (98550=9)", 
"(98555=9) (98560=9) (98570=9) (98590=9) (98600=9) (98620=9) (98630=9)", 
"(98690=9) (98920=3) (98930=5) (98940=5) (98950=9) (98990=11) (99900=-1)", 
"(99910=11) (99920=-1) (99930=11)", "(-1=-1) (-2=-1) (99999=-1)"
)

【讨论】：

【解决方案3】：

tidyverse 的设计初衷就是为了不方便地排列杂乱无章的数据！

library(tidyverse)

c('(98440=9) (98450=9) (98500=9) (98520=9) (98530=9) (98540=9) (98550=9)',
  '(98555=9) (98560=9) (98570=9) (98590=9) (98600=9) (98620=9) (98630=9)',
  '(98690=9) (98920=3) (98930=5) (98940=5) (98950=9) (98990=11) (99900=-1)',
  '(99910=11) (99920=-1) (99930=11)',
  '(-1=-1) (-2=-1) (99999=-1)') %>%

  purrr::map(~ str_split(.," ")) %>% # split each string into its individual components

  unlist() %>%

  tibble::enframe(NULL,"Numbers") %>%

  dplyr::mutate(Numbers = str_replace_all(Numbers,"[()]","")) %>% # remove the brackets as they are unnecessary

  tidyr::separate(Numbers,c("Number 1","Number 2"),sep = "=") # separate using "=" as the separator

如果您在第一步中将数据帧而不是字符向量传递给它，则相同的代码可以工作。

【讨论】：