R 将字符向量列子集为多列

我有以下几点：

colours = tribble(
  ~all,
  c('blue','green', 'red', 'pink', 'yellow', 'gold', 'orange', 'ivory', 'brown', 'beige'),
  c('green', 'red', 'pink', 'orange', 'ivory', 'beige')
)

我想根据颜色系列将颜色分为多列：

Cool

、

Warm

、

Neutral

，每个系列一列

我可以使用

mutate

和

map

和

stru子集来实现这一点：

colours %>%
  mutate(
    'Cool' = map(all, ~str_subset(., '^(blue|green)$')), 
    'Warm' = map(all, ~str_subset(., '^(red|pink|yellow|gold|orange)$')),
    'Neutral' = map(all, ~str_subset(., '^(ivory|brown|beige)$'))
  )

# A tibble: 2 x 4
  all        Cool      Warm      Neutral  
  <list>     <list>    <list>    <list>   
1 <chr [10]> <chr [2]> <chr [5]> <chr [3]>
2 <chr [6]>  <chr [1]> <chr [3]> <chr [2]>

我猜这是不正确的，因为OR语句匹配每个组中的单个单词，而不是将字符串分成三个子字符串，其中包含每个组的所有匹配单词
 我非常确信
extract
不起作用，但它使用了正确的正则表达式。它实际上并不比您的第一个解决方案更“简洁”，但我认为它可能是尽可能简洁的。（如果要缩短时间，请考虑将颜色折叠为两个元素的字符向量，而不是带有列表列的数据帧。）

正则表达式模式的问题在于使用
|
。您希望以单词集合为目标，而不是“x、y或z”，这是您的模式所做的，也是为什么每行只获得一个匹配项的原因。要创建可能匹配项的集合，请使用
[]
。对于“零或更多”匹配，包括
*
。使用上面的示例数据：

库（tidyverse）
颜色%>%
突变（all=map（all，str_c，collapse=”“）%>%
提取物（全部，c（“冷”、“温”、“中性”），
“（[蓝绿色]*）（[红-粉-黄-金-橙]*）（[象牙棕色-米色]*）”，
remove=F#包括'all'列。
)
####输出####
#一个tibble:2x4
全冷暖中性
1蓝绿色红色粉色黄金橙色象牙棕色米色
2绿-红-粉红-橙色-象牙色-米色

主要的警告是，颜色类别需要按正确的顺序排列，即字符串必须按
cool
→ <代码>预热

→ <代码>空档。如果它们是随机的，就不会起作用。事实上，我认为如果颜色词是随机的，

extract

将不再有效，因为无法提取单个词，然后将它们连接起来。如果列表列对您很重要，您也会丢失列表列

如果不能保证顺序，或者可能缺少一些类别词，那么您可以执行以下操作。使用类别词的随机样本（请注意，我会删除列表列，以便您可以看到发生了什么）：

col\u rand%
mutate（all=map（all，str_c，collapse=”“）%>%unlist（）
####输出####
#一个tibble:2x1
全部的
1蓝黄红米色粉
2象牙粉米色橙

并具有以下模式：

patts%
map_dfr（函数（x）{str_extract_all（x，patts）%>%
map（函数（x）ifelse（长度（x）==0，
不,，
str_c（x，collapse=”“）
)
) %>% 
bind_cols（）}）%>%
设置列名称（名称（patts））%>%bind列名称（列名称）
####输出####
#一个tibble:2x4
全冷暖中性
1蓝黄红米色粉蓝黄红米色粉
2象牙粉米色橙色NA粉橙象牙色米色

请注意，

magrittr

库是为

set\u colnames

加载的。如果在

tidyverse

/

tidyr

之后加载

magrittr

，则需要使用上面的

tidyr:：extract（）

，因为两个库都有

extract

函数

---

在我看来，数据框列不是按颜色族保存颜色列表的最合适的数据结构，因为每个族中的颜色数量是可变的。根据“整洁数据”原则，每种颜色应该有一行。我会（1）创建一个CSV查找表，将颜色与族配对（2）将表读入R（3）将颜色数据与查找表连接起来。谢谢@qdread，但我无法将其整理成长格式，因为该表仅用于post中描述的格式（每个颜色族的一列）中的表示/显示目的。我觉得只要

extract（）

就可以完成，但我对正则表达式的理解很糟糕。如果列表列只能看到每个向量的计数，而不能看到颜色本身，“呈现/显示”如何更好地服务于列表列呢？@gersht，因为当使用

DT:：datatable（）之类的东西呈现表格时，颜色是可见的

-

库（DT）；datatable（颜色）

。感谢您提供这些解决方案，感谢您花时间在@gersht上对它们进行了透彻的解释！在整个实际数据集中，单词的顺序保持不变，但我非常喜欢第二种解决方案，因为它更通用。我对

purr

很陌生，所以你的帖子真的帮了我大忙。

colours %>% 
  mutate(all = map(all, ~paste(., collapse = ' '))) %>% 
  extract(all, into = c('Cool', 'Warm', 'Neutral'), 
          regex = '(blue|green)|(red|pink|yellow|gold|orange)|(ivory|brown|beige)')