R 如何使用数据帧中特定行的每列中的分隔符拆分每个值

我有一个数据框，其中有一些特定的行出错，这意味着两行被合并成一行，用空格表示。我有错误所在行的索引，我希望使用这些索引构建一个函数，简单地创建两个新列表，然后插入到数据帧中（作为两行）并替换不正确的行

我在R中有以下数据帧（第3行是一个错误）：

步骤1:所需的输出将是两个列表/向量（对于每个错误行）：

步骤2:一旦我有了这些列表，我应该能够将它们作为行插入/添加到现有的数据帧中（并删除错误行），如下所示：

---

希望在步骤1中获得帮助。除第一列以外的所有列（V1…V4）都有一个空格，可以用作分隔符来分割每个值，这使得分割变得很容易，但第一列的位置并没有那么简单。我需要根据我可以匹配的另一个列表为该列手动子集字符串。

我们可以识别有错误的行，这些行中有空格（

\\s

）。创建此类行的单独数据框。获取

位置

并不是一件简单的事，因为其中有很多空白。我使用的逻辑是，最后一个单词进入新行，而之前的所有内容都保持在同一行

最后，我们将这两个数据帧组合起来，得到一个完整的数据帧

library(dplyr)
inds <- grep('\\s', df$V1)

tmp <- df[inds, ]

tmp %>%
  tidyr::separate_rows(everything(), sep = '(\\s)(?!.*\\s)') %>%
  bind_rows(df[-inds, ]) %>%
  type.convert(as.is = TRUE)

#  Location    V1    V2    V3    V4
#  <chr>    <int> <int> <int> <int>
#1 atl m        1     3     1     5
#2 dal          4     4     3     2
#3 nyc          2    20     9     2
#4 bos          4     5     3     8
#5 mia          3     1     8     4

库（dplyr）
印度盾%
绑定行（df[-inds，]）%>%
type.convert（as.is=TRUE）
#位置V1 V2 V3 V4
#         
#1 atl m 1 3 1 5
#2 dal 4 3 2
#3纽约市2 20 9 2
#4 bos 4 5 3 8
#5 mia 3 1 8 4

我们可以识别有错误的行，这些行中有空格（

\\s

）。创建此类行的单独数据框。获取

位置

并不是一件简单的事，因为其中有很多空白。我使用的逻辑是，最后一个单词进入新行，而之前的所有内容都保持在同一行

最后，我们将这两个数据帧组合起来，得到一个完整的数据帧

library(dplyr)
inds <- grep('\\s', df$V1)

tmp <- df[inds, ]

tmp %>%
  tidyr::separate_rows(everything(), sep = '(\\s)(?!.*\\s)') %>%
  bind_rows(df[-inds, ]) %>%
  type.convert(as.is = TRUE)

#  Location    V1    V2    V3    V4
#  <chr>    <int> <int> <int> <int>
#1 atl m        1     3     1     5
#2 dal          4     4     3     2
#3 nyc          2    20     9     2
#4 bos          4     5     3     8
#5 mia          3     1     8     4

库（dplyr）
印度盾%
绑定行（df[-inds，]）%>%
type.convert（as.is=TRUE）
#位置V1 V2 V3 V4
#         
#1 atl m 1 3 1 5
#2 dal 4 3 2
#3纽约市2 20 9 2
#4 bos 4 5 3 8
#5 mia 3 1 8 4

这有点粗糙，但您只需复制问题行，并将“”拆分的前半部分作为第一行（“atl m”），然后将后半部分作为“dal”行：

tibble（df）%%>%
变异（跨（.fns=~str_replace（，“\\w+$，”））%>%
添加行(
df%>%
切片（3）%>%
突变（跨（.fns=~str_replace（，“^.*（\\w+）$，“\\1”））
)
#一个tibble:5x5
位置V1 V2 V3 V4
1纽约市2 20 9 2
2 bos 4 5 3 8
3 atl m 1 3 1 5
4 mia 3 1 8 4
5.4.4.3.2

这有点粗糙，但您只需复制问题行，并将“”拆分的前半部分作为第一行（“atl m”），然后将后半部分作为“dal”行：

tibble（df）%%>%
变异（跨（.fns=~str_replace（，“\\w+$，”））%>%
添加行(
df%>%
切片（3）%>%
突变（跨（.fns=~str_replace（，“^.*（\\w+）$，“\\1”））
)
#一个tibble:5x5
位置V1 V2 V3 V4
1纽约市2 20 9 2
2 bos 4 5 3 8
3 atl m 1 3 1 5
4 mia 3 1 8 4
5.4.4.3.2

您可以使用

dput（head（df））

添加数据吗？您如何知道出错的行是

atl m

和

dal

？您如何知道该位置被称为

dal

，它不存在于数据中。@RonakShah。抱歉-我修复了输入数据以反映这一点，并添加了dput（）。我知道有错误，因为每个数字列（v1到v4）中都有两个数值，用空格分隔。同样地，我也可以判断，因为“atl m”和“dal”应该是单独的位置。为了给您提供更多的上下文，我使用了一个图像刮板工具将表格从PDF转换为数据帧，但该工具无法正确转换所有行，因此我需要一个解决方法来清理剩余的行。您可以使用

dput（head（df））

添加数据吗？您如何知道出错的行是

atl m

和

dal

？您如何知道该位置被称为

dal

，它不存在于数据中。@RonakShah。抱歉-我修复了输入数据以反映这一点，并添加了dput（）。我知道有错误，因为每个数字列（v1到v4）中都有两个数值，用空格分隔。同样地，我也可以判断，因为“atl m”和“dal”应该是单独的位置。为了给您提供更多的上下文，我使用了一个图像刮板工具将表格从PDF转换为数据帧，但该工具无法正确转换所有行，因此我需要一个解决方法来清理剩余的行。简单且将行分开！有没有办法用这种方法轻松地保持行的顺序？自创建新数据框以来，它将首先按新创建的行排序，然后按原始行排序。如果我能够保持相同的行顺序，那么我可以很容易地覆盖

位置

，因为我有一个列表，列出了该列的正确顺序值。要保持顺序，可以添加一个行号列

df%mutate（row=row_number（））

然后使用上面的答案，最后使用

arrange（row）

以排序顺序获取数据，如果没有，则删除

行

列

  Location V1 V2 V3 V4
1      nyc  2 20  9  2
2      bos  4  5  3  8
3    atl m  1  3  1  5
4      dal  4  4  3  2
5      mia  3  1  8  4

library(dplyr)
inds <- grep('\\s', df$V1)

tmp <- df[inds, ]

tmp %>%
  tidyr::separate_rows(everything(), sep = '(\\s)(?!.*\\s)') %>%
  bind_rows(df[-inds, ]) %>%
  type.convert(as.is = TRUE)

#  Location    V1    V2    V3    V4
#  <chr>    <int> <int> <int> <int>
#1 atl m        1     3     1     5
#2 dal          4     4     3     2
#3 nyc          2    20     9     2
#4 bos          4     5     3     8
#5 mia          3     1     8     4

tibble(df) %>%
  mutate(across(.fns = ~str_replace(., " \\w+$", ""))) %>%
  add_row(
    df %>% 
      slice(3) %>%
      mutate(across(.fns = ~str_replace(., "^.* (\\w+)$", "\\1")))
  )

# A tibble: 5 x 5
  Location V1    V2    V3    V4   
  <chr>    <chr> <chr> <chr> <chr>
1 nyc      2     20    9     2    
2 bos      4     5     3     8    
3 atl m    1     3     1     5    
4 mia      3     1     8     4    
5 dal      4     4     3     2