R 如何避免;“无通用尺寸”;单独的_行()函数出错
我处理的数据如下所示:R 如何避免;“无通用尺寸”;单独的_行()函数出错,r,tidyr,data-cleaning,R,Tidyr,Data Cleaning,我处理的数据如下所示: AF: AU: 1 MIT Duflo, Esther 2 NBER; NBER Freeman, Richard B.; Gelber, Alexander M. 3 U MI; Cornell U; U VA Bound, John; Lovenheim, Michael F.; Turner, Sarah 4 Harvard U; U Chicago Fryer, Roland G., Jr.; Levitt, S
AF: AU:
1 MIT Duflo, Esther
2 NBER; NBER Freeman, Richard B.; Gelber, Alexander M.
3 U MI; Cornell U; U VA Bound, John; Lovenheim, Michael F.; Turner, Sarah
4 Harvard U; U Chicago Fryer, Roland G., Jr.; Levitt, Steven D.
5 U OR; U CA, Davis; U British Columbia Lindo, Jason M.; Sanders, Nicholas J.; Oreopoulos, Philip
AF: AU:
MIT Duflo, Esther
NBER Freeman, Richard B.
NBER Gelber, Alexander M.
U MI Bound, John
Cornell U Lovenheim, Michael F.
U VA Turner, Sarah
Harvard U; Fryer, Roland G., Jr.
U Chicago Levitt, Steven D.
U OR Lindo, Jason M.
U CA, Davis Sanders, Nicholas J.
U British ColumbiaOreopoulos, Philip
我有两个变量,AF:affiliation和AU:authors。不同的作者和从属关系用分号分隔,我想使用separate_rows-command创建如下内容:
AF: AU:
1 MIT Duflo, Esther
2 NBER; NBER Freeman, Richard B.; Gelber, Alexander M.
3 U MI; Cornell U; U VA Bound, John; Lovenheim, Michael F.; Turner, Sarah
4 Harvard U; U Chicago Fryer, Roland G., Jr.; Levitt, Steven D.
5 U OR; U CA, Davis; U British Columbia Lindo, Jason M.; Sanders, Nicholas J.; Oreopoulos, Philip
AF: AU:
MIT Duflo, Esther
NBER Freeman, Richard B.
NBER Gelber, Alexander M.
U MI Bound, John
Cornell U Lovenheim, Michael F.
U VA Turner, Sarah
Harvard U; Fryer, Roland G., Jr.
U Chicago Levitt, Steven D.
U OR Lindo, Jason M.
U CA, Davis Sanders, Nicholas J.
U British ColumbiaOreopoulos, Philip
标准版本的separate_rows()会生成错误消息,可能是因为我的数据包含NAs:
authaf_spread<-separate_rows(authaf, 1:2, sep=";")
Error: All nested columns must have the same number of elements.
authaf\u spread如果调用separate\u rows
两次,它就会工作。我使用stringr中的str_trim
删除作者姓名和从属关系前后出现的空白,并使用tidyr中的drop_na
删除两列都有na的行
# Loaded your .csv file as variable 'df'
authors <- df %>%
separate_rows(AF., sep = ";") %>%
separate_rows(AU., sep = ";") %>%
mutate_all(~ str_trim(., side = "both")) %>%
drop_na
# A tibble: 24,877 x 2
AF. AU.
<chr> <chr>
1 MIT Duflo, Esther
2 NBER Freeman, Richard B.
3 NBER Gelber, Alexander M.
4 NBER Freeman, Richard B.
5 NBER Gelber, Alexander M.
6 U MI Bound, John
7 U MI Lovenheim, Michael F.
8 U MI Turner, Sarah
9 Cornell U Bound, John
10 Cornell U Lovenheim, Michael F.
# … with 24,867 more rows
如果您两次调用separate_rows
,它将工作。我使用stringr中的str_trim
删除作者姓名和从属关系前后出现的空白,并使用tidyr中的drop_na
删除两列都有na的行
# Loaded your .csv file as variable 'df'
authors <- df %>%
separate_rows(AF., sep = ";") %>%
separate_rows(AU., sep = ";") %>%
mutate_all(~ str_trim(., side = "both")) %>%
drop_na
# A tibble: 24,877 x 2
AF. AU.
<chr> <chr>
1 MIT Duflo, Esther
2 NBER Freeman, Richard B.
3 NBER Gelber, Alexander M.
4 NBER Freeman, Richard B.
5 NBER Gelber, Alexander M.
6 U MI Bound, John
7 U MI Lovenheim, Michael F.
8 U MI Turner, Sarah
9 Cornell U Bound, John
10 Cornell U Lovenheim, Michael F.
# … with 24,867 more rows
我认为OP只需要df%>%的独立行(AF,AU,sep=“;”)
。就这些。我从你的答案中得到了这个想法。这就是我为什么不回答的原因。我之前试过了,但出现了一个错误。只有当我像在这篇文章中那样将两个separate_行
调用分开时,它才起作用。我很想知道是否有人能通过一个电话就让它工作。我刚刚意识到,数据集中可能有问题。实际上,我运行代码:df%>%在我的计算机中使用head(df)
分隔行(AF,AU,sep=“;”)
。成功了!。但是,我将其应用于整个df。然后我也犯了一个错误!你是对的。数据集中一定有错误。我检查了一下,发现一个变量的值比另一个多14个,我现在记不清是哪一个了。@maydin我很高兴你用整个df在单个调用中重现了错误。可能只是一些固有的不匹配的数值。我认为OP只需要df%>%的单独行(AF,AU,sep=“;”)
。就这些。我从你的答案中得到了这个想法。这就是我为什么不回答的原因。我之前试过了,但出现了一个错误。只有当我像在这篇文章中那样将两个separate_行
调用分开时,它才起作用。我很想知道是否有人能通过一个电话就让它工作。我刚刚意识到,数据集中可能有问题。实际上,我运行代码:df%>%在我的计算机中使用head(df)
分隔行(AF,AU,sep=“;”)
。成功了!。但是,我将其应用于整个df。然后我也犯了一个错误!你是对的。数据集中一定有错误。我检查了一下,发现一个变量的值比另一个多14个,我现在记不清是哪一个了。@maydin我很高兴你用整个df在单个调用中重现了错误。可能只是一些固有的不匹配的数值。