R 拆分字符串并重新排列数据帧
我有这样的数据R 拆分字符串并重新排列数据帧,r,string,dataframe,R,String,Dataframe,我有这样的数据 df <- structure(list(A = structure(c(2L, 3L, 6L, 7L, 5L, 4L, 1L, 1L ), .Label = c("", "NZT1", "O749", "P42I;QJ0;AIH2", "P609;QT7", "Q835", "Q854"), class = "factor"), B = structure(c(8L, 6L, 5L, 7L, 4L, 3L, 2L, 1L), .Label = c("", "P079;
df <- structure(list(A = structure(c(2L, 3L, 6L, 7L, 5L, 4L, 1L, 1L
), .Label = c("", "NZT1", "O749", "P42I;QJ0;AIH2", "P609;QT7",
"Q835", "Q854"), class = "factor"), B = structure(c(8L, 6L, 5L,
7L, 4L, 3L, 2L, 1L), .Label = c("", "P079;P0C7;P0C8", "P641;Q614",
"Q013", "Q554", "Q749", "Q955", "Q9U0"), class = "factor"), C = structure(c(7L,
8L, 6L, 5L, 3L, 4L, 1L, 2L), .Label = c("P641;QS14", "P679;P0C7;P048",
"Q168", "Q413", "Q550", "Q6N9", "Q980", "Q997"), class = "factor")), .Names = c("A",
"B", "C"), class = "data.frame", row.names = c(NA, -8L))
# A B C
#1 NZT1 Q9U0 Q980
#2 O749 Q749 Q997
#3 Q835 Q554 Q6N9
#4 Q854 Q955 Q550
#5 P609;QT7 Q013 Q168
#6 P42I;QJ0;AIH2 P641;Q614 Q413
#7 P079;P0C7;P0C8 P641;QS14
#8 P679;P0C7;P048
我试着使用strsplit(),但没能做到这一点
这就是我试过的
myNewdf <- strsplit(as.character(unlist(df)), ";")
myNewdf我想你可以试试这个:
x <- lapply(df, function (x) unlist(strsplit(as.character(x), ";")))
如果每列中的项目数不相同,扫描
功能将在此处成功,尽管as.data.frame
将阻塞:
as.data.frame(lapply( df, function(x) scan( text=as.character(x) , what="", sep=";", blank.lines.skip = FALSE))
+ )
Read 11 items
Read 11 items
Read 11 items
A B C
1 NZT1 Q9U0 Q980
2 O749 Q749 Q997
3 Q835 Q554 Q6N9
4 Q854 Q955 Q550
5 P609 Q013 Q168
6 QT7 P641 Q413
7 P42I Q614 P641
8 QJ0 P079 QS14
9 AIH2 P0C7 P679
10 P0C8 P0C7
11 P048
或使用ts
功能:
lst <- lapply(df, function(a) unlist(strsplit(as.character(a), split = ";"))) # 1
tsr <- cbind(ts(lst$A), ts(lst$B), ts(lst$C)) # 2
tsr[is.na(tsr)] <- "" # 3
newDF <- as.data.frame(tsr) # 4
colnames(newDF) <- colnames(df) # 5 (if needed)
# A B C
# 1 NZT1 Q9U0 Q980
# 2 O749 Q749 Q997
# 3 Q835 Q554 Q6N9
# 4 Q854 Q955 Q550
# 5 P609 Q013 Q168
# 6 QT7 P641 Q413
# 7 P42I Q614 P641
# 8 QJ0 P079 QS14
# 9 AIH2 P0C7 P679
# 10 P0C8 P0C7
# 11 P048
lst这里是另一个带有stri_list2matrix
的选项。这将返回一个矩阵
,其中NA为缺失值。如果需要'
,请使用stri_list2matrix
中的fill='
参数。此外,可以使用as.data.frame
将其转换为data.frame
library(stringi)
stri_list2matrix(lapply(df, function(x) unlist(strsplit(as.character(x), ";"))))
scan
实际上是所有read.*
功能的核心。这是一个低级函数,但它可以执行其他任务,如对what
参数使用适当的参数进行mulit-line读取。实际上,使用它读取单个向量,使用策略有许多SO和Rhelp示例。我是从G.Grothendieck的答案中学到的。在过去,我们给scan
或read.*
函数一个textConnection()
参数,你可能仍然需要用readLines
这样做,因为它不是基于scan
。我想我已经讲清楚了这一点。您需要构造另一个方法,用rep(“,length-max.length”)填充较短的项目。textConnection
非常简单。它只是把一个向量转换成大多数函数都会看到的文件。试一试:x@nik由于问题被搁置,其他人无法添加答案。我们将等待此人(拖延者)回复您的评论。stri_list2matrix
将给出一个字符矩阵,其中NA
为缺失值。这就是OP所要求的吗?@m0h3n您可以使用fill
参数将其更改为'
。另外,as.data.frame
可以将其转换为data.frame
,因此最好在答案中指出它们。我想你会记得你昨天的评论。:-)@李哲远:我接受你的回答,谢谢,但如果你能给你的剧本写一些定义,我会很高兴,这样我就能从中学习
lst <- lapply(df, function(a) unlist(strsplit(as.character(a), split = ";"))) # 1
tsr <- cbind(ts(lst$A), ts(lst$B), ts(lst$C)) # 2
tsr[is.na(tsr)] <- "" # 3
newDF <- as.data.frame(tsr) # 4
colnames(newDF) <- colnames(df) # 5 (if needed)
# A B C
# 1 NZT1 Q9U0 Q980
# 2 O749 Q749 Q997
# 3 Q835 Q554 Q6N9
# 4 Q854 Q955 Q550
# 5 P609 Q013 Q168
# 6 QT7 P641 Q413
# 7 P42I Q614 P641
# 8 QJ0 P079 QS14
# 9 AIH2 P0C7 P679
# 10 P0C8 P0C7
# 11 P048
library(stringi)
stri_list2matrix(lapply(df, function(x) unlist(strsplit(as.character(x), ";"))))