R 熔化数据表和分割值

我在一个数据表中有一列，它是由逗号分隔的值组成的列表

dt = data.table( a = c('a','b','c'), b = c('xx,yy,zz','mm,nn','qq,rr,ss,tt'))
> dt
   a           b
1: a    xx,yy,zz
2: b       mm,nn
3: c qq,rr,ss,tt

我想把它转换成一个长格式

   a  b
1: a xx
2: a yy
3: a zz
4: b mm
5: b nn
6: c qq
7: c rr
8: c ss
9: c tt

---

对于数据帧，已回答此问题。我想知道是否有一个优雅的数据表解决方案。

以下内容适用于您的示例：

dt[, c(b=strsplit(b, ",")), by=a]
   a b
1: a xx
2: a yy
3: a zz
4: b mm
5: b nn
6: c qq
7: c rr
8: c ss
9: c tt

---

如果重复“by”变量，此方法将失败，如中所示

dt = data.table(a = c('a','b','c', 'a'),
                b = c('xx,yy,zz','mm,nn','qq,rr,ss,tt', 'zz,gg,tt'))

在这种情况下，可以使用

paste

使用相同的分组变量（a）折叠所有观测值，并将结果提供给上面的代码，从而得到一个健壮的解决方案

dt[, .(b=paste(b, collapse=",")), by=a][, c(b=strsplit(b, ",")), by=a]

这是回报

    a  b
 1: a xx
 2: a yy
 3: a zz
 4: a zz
 5: a gg
 6: a tt
 7: b mm
 8: b nn
 9: c qq
10: c rr
11: c ss
12: c tt

---

以下内容适用于您的示例：

dt[, c(b=strsplit(b, ",")), by=a]
   a b
1: a xx
2: a yy
3: a zz
4: b mm
5: b nn
6: c qq
7: c rr
8: c ss
9: c tt

---

如果重复“by”变量，此方法将失败，如中所示

dt = data.table(a = c('a','b','c', 'a'),
                b = c('xx,yy,zz','mm,nn','qq,rr,ss,tt', 'zz,gg,tt'))

在这种情况下，可以使用

paste

使用相同的分组变量（a）折叠所有观测值，并将结果提供给上面的代码，从而得到一个健壮的解决方案

dt[, .(b=paste(b, collapse=",")), by=a][, c(b=strsplit(b, ",")), by=a]

这是回报

    a  b
 1: a xx
 2: a yy
 3: a zz
 4: a zz
 5: a gg
 6: a tt
 7: b mm
 8: b nn
 9: c qq
10: c rr
11: c ss
12: c tt

---

我们可以

通过分隔符“，”（使用
strsplit
）拆分列“b”，按“a”分组，并使用
setnames将新列的名称，即“V1”设置为“b”

setnames(dt[, strsplit(b, ','), by = a], "V1", "b")[]
#   a  b
#1: a xx
#2: a yy
#3: a zz
#4: b mm
#5: b nn
#6: c qq
#7: c rr
#8: c ss
#9: c tt


如果“a”中有重复元素，如下面的示例所示

dt <- data.table(a = c('a','b','c', 'a'),
            b = c('xx,yy,zz','mm,nn','qq,rr,ss,tt', 'zz,gg,tt'))

注意：这两种方法都是
数据。表
方法我们可以
通过分隔符“，”（使用
strsplit
）拆分列“b”，按“a”分组，并使用
集合名将新列的名称，即“V1”设置为“b”

setnames(dt[, strsplit(b, ','), by = a], "V1", "b")[]
#   a  b
#1: a xx
#2: a yy
#3: a zz
#4: b mm
#5: b nn
#6: c qq
#7: c rr
#8: c ss
#9: c tt


如果“a”中有重复元素，如下面的示例所示

dt <- data.table(a = c('a','b','c', 'a'),
            b = c('xx,yy,zz','mm,nn','qq,rr,ss,tt', 'zz,gg,tt'))

注意：两种方法都是
数据。表
方法还有另一种方法，但此方法涉及另一个包：splitstackshape

library(splitstackshape)
cSplit(dt, "b", sep = ",", direction = "long")
   a  b
1: a xx
2: a yy
3: a zz
4: b mm
5: b nn
6: c qq
7: c rr
8: c ss
9: c tt

此函数使用data.table工作。即使我们对列“a”有多个相同的值，这项工作仍然有效。
还有另一种方法，但该方法涉及另一个包：splitstackshape

library(splitstackshape)
cSplit(dt, "b", sep = ",", direction = "long")
   a  b
1: a xx
2: a yy
3: a zz
4: b mm
5: b nn
6: c qq
7: c rr
8: c ss
9: c tt

此函数使用data.table工作。即使我们对列“a”有多个相同的值，这也可以工作。
您可以尝试
设置名称（dt[，strsplit（b'，，'），a]，“V1”，“b”）[]
您太快了。我想听听你的意见。我最初会接受你的评论作为答案，因为我是第一个。我认为公认的答案更为清晰。感谢您的快速回复！您可以尝试
setnames（dt[，strsplit（b'，，'），a]，“V1”，“b”）[]
您太快了。我想听听你的意见。我最初会接受你的评论作为答案，因为我是第一个。我认为公认的答案更为清晰。感谢您的快速回复！我熟悉使用“by”进行聚合和缩减。很有趣看到它被用于扩展。谢谢谢谢面对重复的ID，我添加了一个潜在的更健壮的解决方案。我发现这个答案的后半部分并不像这里所示的那样有效。我得到的是列
a
重复的a/b/c/ax3，而不是上面的模式。@moman822你是对的。我已经纠正了这一点，以提供一个适用于这种情况的实现。我熟悉使用“by”进行聚合和缩减。很有趣看到它被用于扩展。谢谢谢谢面对重复的ID，我添加了一个潜在的更健壮的解决方案。我发现这个答案的后半部分并不像这里所示的那样有效。我得到的是列
a
重复的a/b/c/ax3，而不是上面的模式。@moman822你是对的。我已经纠正了这一点，以提供一个适用于这种情况的实现。