R 如何压缩此代码？

下面的代码可以变得更像“R”吗

给定数据帧inDF：

    V1         V2       V3        V4  
1   a          ha       1;2;3     A
2   c          hb       4         B
3   d          hc       5;6       C
4   f          hd       7         D

我想进去

查找“V3”列具有多个值的所有行 以“；”分隔

然后复制相应行的次数等于“V3”列中单个值的数量

然后每个复制行在“V3”列中只接收一个初始值

很快，output data.frame（=outDF）将如下所示：

    V1         V2       V3        V4  
1   a          ha       1         A
1   a          ha       2         A
1   a          ha       3         A
2   c          hb       4         B
3   d          hc       5         C
3   d          hc       6         C
4   f          hd       7         D

因此，如果我想从inDF到达outDF，我将编写以下代码：

#load inDF from csv file
inDF <- read.csv(file='example.csv', header=FALSE, sep=",", fill=TRUE)  

#search in inDF, on the V3 column, all the cells with multiple values
rowlist <- grep(";", inDF[,3])

# create empty data.frame and add headers from "headDF"
xDF <- data.frame(matrix(0, nrow=0, ncol=4))
colnames(xDF)=colnames(inDF)

#take every row from the inDF data.frame which has multiple values in col3 and break it in several rows with only one value

for(i in rowlist[])
{ 
  #count the number of individual values in one cell
  value_nr <- str_count(inDF[i,3], ";"); value_nr <- value_nr+1

  # replicate each row a number of times equal with its value number, and transform it to character
  extracted_inDF <- inDF[rep(i, times=value_nr[]),]
  extracted_inDF <- data.frame(lapply(extracted_inDF, as.character), stringsAsFactors=FALSE)

  # split the values in V3 cell in individual values, place them in a list
  value_ls <- str_split(inDF[i, 3], ";")

  #initialize f, to use it later to increment both row number and element in the list of values
  f = 1

  # replace the multiple values with individual values
  for(j in extracted_inDF[,3])

    {
    extracted_inDF[f,3] <- value_ls[[1]][as.integer(f)]
    f <- f+1
  }

  #put all the "demultiplied" rows in xDF
  xDF <- merge(extracted_inDF[], xDF[], all=TRUE)
}

# delete the rows with multiple values from the inDF
inDF <- inDF[-rowlist[],]

#create outDF
outDF <- merge(inDF, xDF, all=TRUE)

#从csv文件加载inDF
inDF在这种情况下，您可以使用split-apply-combine范式来重塑数据

您希望按行分割
inDF
，因为您希望对每一行分别进行操作。我在这里使用了
split
函数将其按行拆分：

spl = split(inDF, 1:nrow(inDF))

spl
是一个列表，其中包含
inDF
中每行的一行数据帧

接下来，您需要应用一个函数来将分割的数据转换为所需的最终格式。在这里，我将使用
lappy
函数转换1行数据帧，使用
strsplit
将变量
V3
分解为相应的部分：

transformed = lapply(spl, function(x) {
  data.frame(V1=x$V1, V2=x$V2, V3=strsplit(x$V3, ";")[[1]], V4=x$V4)
})

transformed
现在是一个列表，其中第一个元素具有3行数据帧，第三个元素具有2行数据帧，第二个和第四个元素具有1行数据帧

最后一步是使用
do.call
和
rbind
功能将此列表合并成
outDF
。这与使用
转换的
列表的所有元素调用
rbind
具有相同的效果

outDF = do.call(rbind, transformed)

这将产生所需的最终数据帧：

outDF
#     V1 V2 V3 V4
# 1.1  a ha  1  A
# 1.2  a ha  2  A
# 1.3  a ha  3  A
# 2    c hb  4  B
# 3.1  d hc  5  C
# 3.2  d hc  6  C
# 4    f hd  7  D

我不确定我是不是在谈论你是用“正确”还是“错误”的方式使用R。。。我通常只是用它来回答有关堆栈溢出的问题。：-）

但是，有许多方法可以改进代码。对于初学者来说，是的，您应该尝试熟悉预定义的函数。它们通常会更加高效，并且会使您的代码对同一语言的其他用户更加透明。尽管您简洁地描述了您想要实现的目标，而且我几乎马上就知道了答案，但我发现您的代码让人望而生畏

我将把您的问题分为两个主要部分：（1）拆分数据和（2）将其与原始数据集重新组合

对于第1部分：
strsplit
：您显然知道您需要的一些函数，或者至少知道您需要的主要函数：
strsplit
。如果您使用
strsplit
，您将看到它返回一个
列表
，但您需要一个简单的
向量
。你怎么去那里？查找未列出的
。问题的第一部分现在已经解决了

对于第2部分：首先需要确定需要复制原始数据集的每一行的次数。为此，您可以钻取
列表（例如，使用
l/s/v-apply
）并计算每个项目的
长度。我选择了
sapply
，因为我知道它会创建一个向量，我可以使用
rep

然后，如果你已经玩了足够多的
data.frame
s，特别是在提取数据时，你会意识到
mydf[c（1，1，1，2），]
将产生一个
data.frame
，其中第一行被重复两次。知道了这一点，我们可以使用刚刚进行的
length
计算来“扩展”原始
data.frame

最后，使用扩展的
data.frame
，我们只需要用未列出的值替换相关列


这就是上面的行动。我已将您的数据集命名为“mydf”：

根据正确编码的规则：永远不要重新发明轮子。它浪费时间，你很可能会犯错误，或者至少会想出一个非最优的解决方案。我同意不重新发明轮子。我不确定我是否确切知道如何使用这个轮子。对于上面的例子，您对正确使用R有什么建议吗？我认为在开始时，编写自己的代码是一种很好的做法，特别是因为您不知道有很多常用工具可以帮助解决这个问题。当我开始时，编写循环和一步一步地显式执行我想要的操作要快得多。随着您对语言和软件包越来越熟悉，使用内置函数可以更快地完成工作，代码也会更加简洁和优雅。@rawr很好，tho'one的“最终”解决方案应该与最初的学习尝试有很大不同：-）感谢各位的回答。我既同意不重新发明轮子，也同意一开始可能有必要这样做。我已经重新表述了这个问题，因为我想看看上面的例子中“类似R”的代码是什么样子的。有趣的方法（+1）但这样做似乎是按行进行的，特别是对
data.frame的所有调用，从时间上来说，这将是非常昂贵的。当你说从时间上来说是昂贵的，“你是说CPU时间吗？”阿南达马托同意，速度要慢得多（在我的电脑上是4毫秒，而不是0.2毫秒）。我认为split/apply/combine是我在编写R时学习到的最重要的范例，所以我认为展示这种方法很重要。@CLM，我认为josilber在他们最后的评论中谈到了其中的一些。在使用R时，了解对什么类型的对象执行什么类型的操作会比较慢会很有帮助。通过将“transformed”中的匿名函数替换为类似于
cbind（x[，c（“V1”，“V2”，“V4”）]，V3=strsplit（x[，“V3”]，“；”，fixed=TRUE）[[1]]，row.names=NULL）
，可以加快这里的代码速度。感谢您的代码示例和解释。它确实简短。让我稍作停顿的是，对于“转换的”列，给出了manuall
V3 <- strsplit(mydf$V3, ";", fixed=TRUE)
sapply(V3, length)    ## How many times to repeat each row?
# [1] 3 1 2 1
## ^^ Use that along with `[` to "expand" your data.frame
mydf2 <- mydf[rep(seq_along(V3), sapply(V3, length)), ]
mydf2$V3 <- unlist(V3)
mydf2
#     V1 V2 V3 V4
# 1    a ha  1  A
# 1.1  a ha  2  A
# 1.2  a ha  3  A
# 2    c hb  4  B
# 3    d hc  5  C
# 3.1  d hc  6  C
# 4    f hd  7  D

library(data.table)
DT <- data.table(mydf)
DT2 <- DT[, list(new = unlist(strsplit(as.character(V3), ";", fixed = TRUE))), by = V1]
merge(DT, DT2, by = "V1")

library(splitstackshape)
df2 <- concat.split.multiple(mydf, split.cols="V3", seps=";", direction="long")
df2 <- df2[complete.cases(df2), ]   ## Optional, perhaps
df2[order(df2$V1), ]                ## Optional, perhaps