R cSplit强制不必要的NA行

我有一个大的数据集，其中一个小样本看起来像下面的4x5Tibble。我尝试使用变量

c==“split”

将多个分隔列拆分为唯一的行，如下所示：

library(splitstackshape)

dt <- tibble(
a = c("Quartz | White Spirit | Wildfire", "Quiet Riot", "Race Against Time", "Down | Heart Lane | X | Breaking H"),
b = c("Muthas Pride", "Killer Girls / Slick Black Cadillac", "Demo 1980", "Life 55"),
c = c("Split", "Single", "Demo", "Split"),
d = c("Birmingham, England | Hartlepool, England | Sheffield, South Yorkshire, England", "Los Angeles, California", "Nottingham, England", "Liverpool | Beijing | | NYC"),
e = c("wf | ef | ff", "g", "f", "cf | af | df | rf")
)

dt.s <- subset(dt, c == "Split")
dt.split <- cSplit(dt.s, c("a", "d", "e"), c("|", "|", "|"), "long") 
dt.split

---

如果我只拆分两列，这不是问题。如何使其不产生NA行？还有，有没有一种方法可以使

cSplit

在不使用

c

子集的情况下工作？

当我们使用

tible

时，我们可以使用

单独的行

，而不是给出

NA

行

library(tidyr)
separate_rows(dt.s, c('a', "d", "e"), sep="\\s*\\|\\s*") %>%
         select_at(names(dt.s))
# A tibble: 7 x 5
#             a            b     c                                   d     e
#         <chr>        <chr> <chr>                               <chr> <chr>
#1       Quartz Muthas Pride Split                 Birmingham, England    wf
#2 White Spirit Muthas Pride Split                 Hartlepool, England    ef
#3     Wildfire Muthas Pride Split Sheffield, South Yorkshire, England    ff
#4         Down      Life 55 Split                           Liverpool    cf
#5   Heart Lane      Life 55 Split                             Beijing    af
#6            X      Life 55 Split                                        df
#7   Breaking H      Life 55 Split                                 NYC    rf

---

在这里，我们发现对于第二行，分隔符的数量，即

|

是4，为第一行创建一个

NA

，因为“a”列只有3个分隔符。因此，当我们使用“long”格式时，该

NA

行会传播。这可能是一个bug。

因为我们使用的是

tibble

，所以我们可以使用

单独的行

，这不会给出

NA

行

library(tidyr)
separate_rows(dt.s, c('a', "d", "e"), sep="\\s*\\|\\s*") %>%
         select_at(names(dt.s))
# A tibble: 7 x 5
#             a            b     c                                   d     e
#         <chr>        <chr> <chr>                               <chr> <chr>
#1       Quartz Muthas Pride Split                 Birmingham, England    wf
#2 White Spirit Muthas Pride Split                 Hartlepool, England    ef
#3     Wildfire Muthas Pride Split Sheffield, South Yorkshire, England    ff
#4         Down      Life 55 Split                           Liverpool    cf
#5   Heart Lane      Life 55 Split                             Beijing    af
#6            X      Life 55 Split                                        df
#7   Breaking H      Life 55 Split                                 NYC    rf

---

在这里，我们发现对于第二行，分隔符的数量，即

|

是4，为第一行创建一个

NA

，因为“a”列只有3个分隔符。因此，当我们使用“long”格式时，该

NA

行会传播。这可能是一个bug。

尝试将

makeEqual=FALSE

添加到您的

cSplit

调用中：

cSplit(dt.s, c("a", "d", "e"), "|", "long", makeEqual = FALSE)
##               a            b     c                                   d  e
## 1:       Quartz Muthas Pride Split                 Birmingham, England wf
## 2: White Spirit Muthas Pride Split                 Hartlepool, England ef
## 3:     Wildfire Muthas Pride Split Sheffield, South Yorkshire, England ff
## 4:         Down      Life 55 Split                           Liverpool cf
## 5:   Heart Lane      Life 55 Split                             Beijing af
## 6:            X      Life 55 Split                                     df
## 7:   Breaking H      Life 55 Split                                 NYC rf

此外，由于您已经在使用“tidyverse”中的包，您可以将其子集与拆分一起使用，如下所示：

dt %>% 
  filter(c == "Split") %>% 
  cSplit(c("a", "d", "e"), "|", "long", makeEqual = FALSE)

---

尝试将

makeEqual=FALSE

添加到您的

cSplit

调用：

cSplit(dt.s, c("a", "d", "e"), "|", "long", makeEqual = FALSE)
##               a            b     c                                   d  e
## 1:       Quartz Muthas Pride Split                 Birmingham, England wf
## 2: White Spirit Muthas Pride Split                 Hartlepool, England ef
## 3:     Wildfire Muthas Pride Split Sheffield, South Yorkshire, England ff
## 4:         Down      Life 55 Split                           Liverpool cf
## 5:   Heart Lane      Life 55 Split                             Beijing af
## 6:            X      Life 55 Split                                     df
## 7:   Breaking H      Life 55 Split                                 NYC rf

此外，由于您已经在使用“tidyverse”中的包，您可以将其子集与拆分一起使用，如下所示：

dt %>% 
  filter(c == "Split") %>% 
  cSplit(c("a", "d", "e"), "|", "long", makeEqual = FALSE)

---

谢谢，但是在数据集上运行上述代码（不是上面的示例）会产生以下错误：

错误：所有嵌套列必须具有相同数量的元素。

@1984听到这个消息很抱歉。我只在您的示例数据上进行了测试，谢谢，但是在数据集上运行上述代码（不是上面的示例）会产生以下错误：

error:所有嵌套列必须具有相同数量的元素。

@1984听到这个消息很遗憾。我只测试了你的示例数据