Parsing 将空格分隔的条目拆分为R中的新列

我正在编写一个输出.csv文件的调查。在此csv中，我有一些以空格分隔的条目，它们表示多选问题（例如，有多个回答的问题）。最后，我想将这些以空格分隔的条目解析到它们自己的列中，并为它们创建标题，以便知道它们来自何处

例如，我可以从以下内容开始（请注意，multiselect列后面有一个_M）：

我想说的是：

Q1, Q2_M_1, Q2_M_2, Q2_M_88, Q3, Q4_M_1, Q4_M_2, Q4_M_3, Q4_M_5, Q4_M_99
6, 1, 1, 1, 3, 0, 0, 1, 1, 1
6,,,,3,1,1,0,0,0

我想这是一个比较常见的问题，但我没有在R部分找到它。在导入.csv后，您知道如何在R中执行此操作吗？我的总体想法（通常会导致项目效率低下）是我可以： （1） 拉取具有特殊后缀grep（）的列号 （2） 循环（或使用apply）这些列中的每个条目，确定响应级别，然后相应地创建列 （3） 循环（或使用应用）并在适当的列中放置指示器，以指示选择的存在

---

我非常感谢您的帮助，如果不清楚，请告诉我。

我不完全确定您想分别做什么，您这样编码的原因是什么。因此，我的建议更为笼统——因此，我只想澄清一下，我将尝试给出更具体的回应

1） 我说你是自己编写调查的，这很好，因为这意味着你对你的.csv文件有影响。我永远不会在同一个.csv文件中使用不同类型的分离。从一开始就命名，就像你在第二块中建议的那样。 否则，例如，您可能会在复选框中遇到麻烦。假设有人检查了5个可能答案中的3个，接下来只检查了1个（即“不知道”）。现在创建一个电子表格（data.frame）类型的结果视图要比创建一个只需要重新编码的空字段（结果是R中的NA）困难得多

2） 另一个重要的问题是你是否打算做一个小组调查（即反复询问相同参与者的纵向研究）。这（以及许多其他原因）将是考虑将数据保存到MySQL数据库而不是.csv的一个很好的理由。RMySQL可以直接连接到数据库并访问其表，更重要的是访问其视图。 视图确实有助于处理测量数据，因为您可以根据许多不同的需要在不同的视图中重新排列数据

3） 除了所有个人/观点和经验外，以下是一些（不太偏颇的）文献：

这本书相对简单，省略了小组调查，但给出了大量的R代码和示例，这应该是一个实际的开始

---

为了防止重新发明你可能想要检查的轮子，一个相当不错的（更不用说模板：）测量导体工具。除此之外，我输入了3个CMS扩展，并且（应该）也能很好地工作（仅测试pbsurvey）。

多选项应始终作为单独的变量编码。也就是说，如果您有5个备选方案和多项选择，您应该将它们编码为i1、i2、i3、i4、i5，即每一个都是一个二进制变量（0-1）。我看到在第一个示例中，Q4_M变量有值

3 5 99

。这是否意味着一个项目中有99个备选方案？哎哟

首先，您应该继续为多项选择项中的每个备选方案创建单独的变量。也就是说，要做到：

# note that I follow your example with Q4_M variable
dtf_ins <- as.data.frame(matrix(0, nrow = nrow(<initial dataframe>), ncol = 99))
# name vars appropriately
names(dtf_ins) <- paste("Q4_M_", 1:99, sep = "")

#请注意，我以Q4_M变量为例
dtf_ins我同意ran2和aL3Xa的观点，即您可能希望更改数据的格式，以便为每个可能的响应使用不同的列。然而，如果事实证明将数据集转换为更好的格式是有问题的，则可以按要求执行

process_multichoice <- function(x) lapply(strsplit(x, " "), as.numeric)

q2 <- c("1 2 3 NA 4", "2 5")
processed_q2 <- process_multichoice(q2)
[[1]]
[1]  1  2  3 NA  4

[[2]]
[1] 2 5

编辑：还有一条建议。将处理数据的代码与分析数据的代码分开。如果创建了任何图形，请将用于创建它们的代码再次分开。我一直在把东西混在一起，这不太好。（特别是当你六个月后回到代码中时。）
谢谢你的回复。我同意你们大多数人的看法，这种格式有点傻，但这正是我必须处理的（调查已编码，下周将投入使用）。这是我从所有的回答中得出的结论。我相信这不是最优雅或最有效的方法，但我认为它应该起作用

colnums <- grep("_M",colnames(dat))
responses <- nrow(dat)

for (i in colnums) {
  vec <- as.vector(dat[,i]) #turn into vector
  b <- lapply(strsplit(vec," "),as.numeric) #split up and turn into numeric
  c <- sort(unique(unlist(b))) #which values were used
  newcolnames <- paste(colnames(dat[i]),"_",c,sep="") #column names
  e <- matrix(nrow=responses,ncol=length(c)) #create new matrix for indicators
  colnames(e) <- newcolnames 
#next loop looks for responses and puts indicators in the correct places
  for (i in 1:responses) {
  e[i,] <- ifelse(c %in% b[[i]],1,0)
  }
  dat <- cbind(dat,e)
}

colnums是可能的“多重选择”答案吗？你事先认识他们吗？如果是这样，这就容易多了。是的，它们是有限的，是的，可能的选择是预先知道的。@aL3Xa：与其将空格改为逗号（在CSV文件中？），不如只分析空格分隔的值。看看我的答案。否则，我同意。如果答案没有出现，但是可能的呢？例如，如果“D”是一个选项，但没有人选择它怎么办。你不想在数据集中保留这方面的记录吗？似乎没有人选择的选项也很有说服力，值得记录。
process_multichoice <- function(x) lapply(strsplit(x, " "), as.numeric)

q2 <- c("1 2 3 NA 4", "2 5")
processed_q2 <- process_multichoice(q2)
[[1]]
[1]  1  2  3 NA  4

[[2]]
[1] 2 5

# Number of reponses given
sapply(processed_q2, length)

#Frequency of each response
table(unlist(processed_q2), useNA = "ifany")

colnums <- grep("_M",colnames(dat))
responses <- nrow(dat)

for (i in colnums) {
  vec <- as.vector(dat[,i]) #turn into vector
  b <- lapply(strsplit(vec," "),as.numeric) #split up and turn into numeric
  c <- sort(unique(unlist(b))) #which values were used
  newcolnames <- paste(colnames(dat[i]),"_",c,sep="") #column names
  e <- matrix(nrow=responses,ncol=length(c)) #create new matrix for indicators
  colnames(e) <- newcolnames 
#next loop looks for responses and puts indicators in the correct places
  for (i in 1:responses) {
  e[i,] <- ifelse(c %in% b[[i]],1,0)
  }
  dat <- cbind(dat,e)
}