拆分列分隔符R

Question

我有一个数据框如下。我想将最后一列拆分为2.拆分需要根据唯一的第一列完成：其余列不重要。

在新的数据框中，会有4列。第3列将是（a，b，d），而第4列将是（1,2：3,3：4：4）

有什么建议吗？我的代码的第四行不起作用:(。我没关系用全新的解决方案或更正行4

employee <- c('John Doe','Peter Gynn','Jolie Hope') 
salary <- c(3, 2, 1) 
df <- data.frame(employee, salary, originalColumn = c("a :1", "b :2:3", "d: 3:4:4")) 

as.data.frame(do.call(rbind, strsplit(df,":"))) 

-------------------- update1

下面的解决方案工作的很好，但是我需要一个修改后的解决方案，因为我刚刚意识到第3列中的某些单元格不会有“：”，在这种情况下，我希望该单元格中的文本仅出现在第1列拆分该列

employee <- c('John Doe','Peter Gynn','Jolie Hope') 
salary <- c(3, 2, 1) 
df <- data.frame(employee, salary, originalColumn = c("a :1", "b", "d: 3:4:4")) 

Answer 1

你可以使用cSplit。在更新后的数据帧，

library(splitstackshape) 
cSplit(df, "originalColumn", sep = ":{1}") 
#  employee salary originalColumn_1 originalColumn_2 
# 1: John Doe  3    a    1 
# 2: Peter Gynn  2    b    NA 
# 3: Jolie Hope  1    d   3:4:4 

而原始数据帧，

df1 <- data.frame(employee, salary, 
        originalColumn = c("a :1", "b :2:3", "d: 3:4:4")) 
cSplit(df1, "originalColumn", sep = ":{1}") 
#  employee salary originalColumn_1 originalColumn_2 
# 1: John Doe  3    a    1 
# 2: Peter Gynn  2    b    2:3 
# 3: Jolie Hope  1    d   3:4:4 

注：我使用splitstackshape 1.4.2版本。我相信sep参数已从版本1.4.0更改为

Answer 2

你可以使用extract从tidyr分裂originalColumn中的two列。在下面的代码中，我创建了3列，并从结果中删除了一个不需要的列。

library(tidyr) 
pat <- "([^ :])(?:|: ?|)(.*)" 
extract(df, originalColumn, c("Col1", "ColN", "Col2"), pat)[,-4] 
#  employee salary Col1 Col2 
#1 John Doe  3 a  1 
#2 Peter Gynn  2 b 2:3 
#3 Jolie Hope  1 d 3:4:4 

使用更新df，（为了更好的识别 - df1）

extract(df1, originalColumn, c("Col1", "ColN", "Col2"), pat)[,-4] 
# employee salary Col1 Col2 
#1 John Doe  3 a  1 
#2 Peter Gynn  2 b  
#3 Jolie Hope  1 d 3:4:4 

或不df基于该模式在df

extract(df, originalColumn, c("Col1", "Col2"), "(.)[ :](.*)") %>% 
            mutate(Col2= gsub("^\\:", "", Col2)) 

# employee salary Col1 Col2 
#1 John Doe  3 a  1 
#2 Peter Gynn  2 b 2:3 
#3 Jolie Hope  1 d 3:4:4 

创建一个新的column，下面代码也起作用。这里，用于提取第一列的regex是(.)。圆点内的字符串开始处的单个元素将被提取用于Col1。然后.{2}之后的两个元素被丢弃，括号内的其余部分(.*)形成Col2。

extract(df, originalColumn, c("Col1", "Col2"), "(.).{2}(.*)") 
# employee salary Col1 Col2 
#1 John Doe  3 a  1 
#2 Peter Gynn  2 b 2:3 
#3 Jolie Hope  1 d 3:4:4 

或使用strsplit

as.data.frame(do.call(rbind, strsplit(as.character(df$originalColumn), " :|: "))) 
# V1 V2 
#1 a  1 
#2 b 2:3 
#3 d 3:4:4 

对于df1，这里使用的解决方案strsplit

lst <- strsplit(as.character(df1$originalColumn), " :|: ") 
    as.data.frame(do.call(rbind,lapply(lst, 
      `length<-`, max(sapply(lst, length))))) 
    # V1 V2 
#1 a  1 
#2 b <NA> 
#3 d 3:4:4 

Answer 3

你接近，这里有一个解决方案：

library(stringr) 

df[, c('Col1','Col2')] <- do.call(rbind, str_split_fixed(df$originalColumn,":",n=2)) 
df$originalColumn <- NULL 

    employee salary Col1 Col2 
1 John Doe  3 a  1 
2 Peter Gynn  2 b  2:3 
3 Jolie Hope  1 d 3:4:4 

注：

• stringr::str_split()比base::strsplit()更好，因为你没有做as.character()，也有要限制对第一只拆分n=2说法“：”