R 将数据框字符串列拆分为多列

我想要表格上的数据

before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
  attr          type
1    1   foo_and_bar
2   30 foo_and_bar_2
3    4   foo_and_bar
4    6 foo_and_bar_2

然后在上面的“

键入”

”列上使用

split（）

，可以得到如下结果：

  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

library(splitstackshape)
cSplit(before, "type", "_and_")
#    attr type_1 type_2
# 1:    1    foo    bar
# 2:   30    foo  bar_2
# 3:    4    foo    bar
# 4:    6    foo  bar_2

我想出了一些难以置信的复杂方法，包括某种形式的

apply

，但后来我把它放错了地方。这似乎太复杂了，不是最好的办法。我可以使用下面的

strsplit

，但不清楚如何将其返回到数据帧中的两列中

> strsplit(as.character(before$type),'_and_')
[[1]]
[1] "foo" "bar"

[[2]]
[1] "foo"   "bar_2"

[[3]]
[1] "foo" "bar"

[[4]]
[1] "foo"   "bar_2"

谢谢你的指点。我还没有完全研究过R列表。

请注意，sapply with“[”可用于提取这些列表中的第一项或第二项，因此：

before$type_1 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 1)
before$type_2 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 2)
before$type <- NULL

---

在$type_1之前一个简单的方法是使用
sapply（）
和
[
函数：

before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
out <- strsplit(as.character(before$type),'_and_')

sapply（）
的结果是一个矩阵，需要转置并转换回数据帧。然后，通过一些简单的操作可以得到您想要的结果：

after <- with(before, data.frame(attr = attr))
after <- cbind(after, data.frame(t(sapply(out, `[`))))
names(after)[2:3] <- paste("type", 1:2, sep = "_")

如果您想坚持使用
strsplit（）
的另一种方法是使用
unlist（）
命令

tmp <- matrix(unlist(strsplit(as.character(before$type), '_and_')), ncol=2,
   byrow=TRUE)
after <- cbind(before$attr, as.data.frame(tmp))
names(after) <- c("attr", "type_1", "type_2")

tmp另一种方法：在
out
上使用
rbind
：

before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))  
out <- strsplit(as.character(before$type),'_and_') 
do.call(rbind, out)

     [,1]  [,2]   
[1,] "foo" "bar"  
[2,] "foo" "bar_2"
[3,] "foo" "bar"  
[4,] "foo" "bar_2"

这是一个与aniko的解决方案相同的单行程序，但使用hadley的stringr包：

do.call(rbind, str_split(before$type, '_and_'))

使用
stringr:：str\u split\u fixed

library(stringr)
str_split_fixed(before$type, "_and_", 2)

另一个选择是使用新的tidyr包

library(dplyr)
library(tidyr)

before <- data.frame(
  attr = c(1, 30 ,4 ,6 ), 
  type = c('foo_and_bar', 'foo_and_bar_2')
)

before %>%
  separate(type, c("foo", "bar"), "_and_")

##   attr foo   bar
## 1    1 foo   bar
## 2   30 foo bar_2
## 3    4 foo   bar
## 4    6 foo bar_2

库（dplyr）
图书馆（tidyr）
之前%
单独（类型，c（“foo”、“bar”）、“uU和uU”）
##阿特富巴酒店
##1福吧
##2 30福巴2
##3.4富吧
##4 6福巴2
要添加选项，您还可以使用my
splitstackshape:：cSplit
函数，如下所示：

  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

library(splitstackshape)
cSplit(before, "type", "_and_")
#    attr type_1 type_2
# 1:    1    foo    bar
# 2:   30    foo  bar_2
# 3:    4    foo    bar
# 4:    6    foo  bar_2

5年后添加必需的
数据。表
解决方案

library(data.table) ## v 1.9.6+ 
setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_")]
before
#    attr          type type1 type2
# 1:    1   foo_and_bar   foo   bar
# 2:   30 foo_and_bar_2   foo bar_2
# 3:    4   foo_and_bar   foo   bar
# 4:    6 foo_and_bar_2   foo bar_2

我们还可以通过添加
type.convert
和
fixed
参数来确保生成的列具有正确的类型并提高性能（因为
“\u和\u”
实际上不是正则表达式）

下面是一个基本的R one行程序，它与以前的许多解决方案重叠，但返回一个带有专有名称的data.frame

out <- setNames(data.frame(before$attr,
                  do.call(rbind, strsplit(as.character(before$type),
                                          split="_and_"))),
                  c("attr", paste0("type_", 1:2)))
out
  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

out自R版本3.4.0以来，您可以使用utils包（随基本R安装一起提供）中的
strcapture（）
，将输出绑定到其他列上

out这个问题已经很老了，但我会补充我发现的解决方案是目前最简单的

library(reshape2)
before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
newColNames <- c("type1", "type2")
newCols <- colsplit(before$type, "_and_", newColNames)
after <- cbind(before, newCols)
after$type <- NULL
after

library（重塑2）
before=data.frame（attr=c（1,30,4,6），type=c（'foo_和_-bar'，'foo_和_-bar_-2'））
newColNames这个主题几乎已经精疲力竭了，不过我想提供一个更一般的版本的解决方案，在这个版本中，您事先不知道输出列的数量

before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2', 'foo_and_bar_2_and_bar_3', 'foo_and_bar'))
  attr                    type
1    1             foo_and_bar
2   30           foo_and_bar_2
3    4 foo_and_bar_2_and_bar_3
4    6             foo_and_bar

我们不能使用dplyr
separate（）
，因为在拆分之前我们不知道结果列的数量，所以我创建了一个函数，该函数使用
stringr
拆分一列，给定生成列的模式和名称前缀。我希望使用的编码模式是正确的

split_into_multiple <- function(column, pattern = ", ", into_prefix){
  cols <- str_split_fixed(column, pattern, n = Inf)
  # Sub out the ""'s returned by filling the matrix to the right, with NAs which are useful
  cols[which(cols == "")] <- NA
  cols <- as.tibble(cols)
  # name the 'cols' tibble as 'into_prefix_1', 'into_prefix_2', ..., 'into_prefix_m' 
  # where m = # columns of 'cols'
  m <- dim(cols)[2]

  names(cols) <- paste(into_prefix, 1:m, sep = "_")
  return(cols)
}

然后我们可以使用
收集
来整理

after %>% 
  gather(key, val, -attr, na.rm = T)

   attr    key   val
1     1 type_1   foo
2    30 type_1   foo
3     4 type_1   foo
4     6 type_1   foo
5     1 type_2   bar
6    30 type_2 bar_2
7     4 type_2 bar_2
8     6 type_2   bar
11    4 type_3 bar_3

基本但可能缓慢：

n <- 1
for(i in strsplit(as.character(before$type),'_and_')){
     before[n, 'type_1'] <- i[[1]]
     before[n, 'type_2'] <- i[[2]]
     n <- n + 1
}

##   attr          type type_1 type_2
## 1    1   foo_and_bar    foo    bar
## 2   30 foo_and_bar_2    foo  bar_2
## 3    4   foo_and_bar    foo    bar
## 4    6 foo_and_bar_2    foo  bar_2

n这里是另一个基本的R解决方案。我们可以使用
read.table
，但由于它只接受一个字节
sep
参数，并且这里有多字节分隔符，我们可以使用
gsub
将多字节分隔符替换为任何一个字节分隔符，并将其用作
read.table
中的
sep
参数

cbind(before[1], read.table(text = gsub('_and_', '\t', before$type), 
                 sep = "\t", col.names = paste0("type_", 1:2)))

#  attr type_1 type_2
#1    1    foo    bar
#2   30    foo  bar_2
#3    4    foo    bar
#4    6    foo  bar_2

在这种情况下，我们还可以通过使用默认的
sep
参数替换它来缩短它，这样我们就不必显式地提到它

cbind(before[1], read.table(text = gsub('_and_', ' ', before$type), 
                 col.names = paste0("type_", 1:2)))

这对我今天的问题也很有效。但它在每行的开头添加了一个“c”。你知道为什么吗？
left\u right我想用一个有“…”的模式分割，当我应用该函数时，它什么也不返回。可能是什么问题。我的类型类似于“test…score”@user3841581-我知道您的旧查询，但文档中包含了这一点-
str_split_fixed（“aaa…bbb”，fixed（“…”），2）
与
fixed（）
配合使用可以“匹配固定字符串”在
pattern=
参数中。
在正则表达式中表示“任意字符”。感谢hadley，这是一种非常方便的方法，但有一点可以改进，如果原始列中存在NA，在分离后，它将成为结果列中的七个空字符串，这是不需要的，我希望在分离后保持NA仍然是NAell，即，如果缺少分隔符！即，如果我有一个向量“aIs”，有没有办法用分隔符限制拆分的数量？假设我只想在“u”上拆分一次（或者用
str\u split\u fixed
并将列添加到现有数据帧中）？很好的捕获，对我来说是最好的解决方案。虽然比使用
stringr
软件包慢了一点。这个函数是否被重命名为
strsplit（）
？在较新的R版本上，另一个替代方法是
strcapture（（.*）和（.*），as.character（在$type之前），data.frame（type_1=“”，type_2=“”）
3年后-此选项对我遇到的类似问题最有效-但是我正在使用的数据帧有54列，我需要将它们全部拆分为两列。除了将上述命令键入54次之外，还有什么方法可以做到这一点吗？非常感谢，Nicki。@Nicki，您是否尝试过提供n列的向量ames还是列位置？这应该可以做到…这不仅仅是重命名列-我需要按照上面的方式拆分列，有效地将我的df中的列数增加一倍。下面是我最后使用的：df2如果您的
'\u和
模式的数目不同，您可以找到最大匹配数（即未来的列）使用
max（长度（strsplit（在$type、'.'和''.'之前））
这是我最喜欢的答案，效果非常好！请解释一下它是如何工作的。为什么转置（strsplit（…）而不是粘贴0来连接字符串
after <- before %>% 
  bind_cols(split_into_multiple(.$type, "_and_", "type")) %>% 
  # selecting those that start with 'type_' will remove the original 'type' column
  select(attr, starts_with("type_"))

>after
  attr type_1 type_2 type_3
1    1    foo    bar   <NA>
2   30    foo  bar_2   <NA>
3    4    foo  bar_2  bar_3
4    6    foo    bar   <NA>

after %>% 
  gather(key, val, -attr, na.rm = T)

   attr    key   val
1     1 type_1   foo
2    30 type_1   foo
3     4 type_1   foo
4     6 type_1   foo
5     1 type_2   bar
6    30 type_2 bar_2
7     4 type_2 bar_2
8     6 type_2   bar
11    4 type_3 bar_3

n <- 1
for(i in strsplit(as.character(before$type),'_and_')){
     before[n, 'type_1'] <- i[[1]]
     before[n, 'type_2'] <- i[[2]]
     n <- n + 1
}

##   attr          type type_1 type_2
## 1    1   foo_and_bar    foo    bar
## 2   30 foo_and_bar_2    foo  bar_2
## 3    4   foo_and_bar    foo    bar
## 4    6 foo_and_bar_2    foo  bar_2

cbind(before[1], read.table(text = gsub('_and_', '\t', before$type), 
                 sep = "\t", col.names = paste0("type_", 1:2)))

#  attr type_1 type_2
#1    1    foo    bar
#2   30    foo  bar_2
#3    4    foo    bar
#4    6    foo  bar_2

cbind(before[1], read.table(text = gsub('_and_', ' ', before$type), 
                 col.names = paste0("type_", 1:2)))