R 从单个列创建多个列并清理结果
我有这样一个数据框：R 从单个列创建多个列并清理结果,r,split,tidyr,R,Split,Tidyr,我有这样一个数据框： foo=data.frame(Point.Type = c("Zero Start","Zero Start", "Zero Start", "3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","Zero Stop","Zero Start"), Point.Val
foo=data.frame(Point.Type = c("Zero Start","Zero Start", "Zero Start", "3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","Zero Stop","Zero Start"),
Point.Value = c(NA,NA,NA,rnorm(3),NA,NA))
\uu的行，三个新列应为NA
。我使用separate
获得了一些成功，但这还不够：
> library(tidyr)
> bar = separate(foo,Point.Type, c("rpm_nom", "GVF_nom", "p0in_nom"), sep="_", remove = FALSE, extra="drop", fill="right")
> bar
Point.Type rpm_nom GVF_nom p0in_nom Point.Value
1 Zero Start Zero Start <NA> <NA> NA
2 Zero Start Zero Start <NA> <NA> NA
3 Zero Start Zero Start <NA> <NA> NA
4 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000rpm 10% 13barG -1.468033
5 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000rpm 10% 13barG 1.280868
6 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000rpm 10% 13barG 0.270126
7 Zero Stop Zero Stop <NA> <NA> NA
8 Zero Start Zero Start <NA> <NA> NA
>库（tidyr）
>条=单独的（foo，Point.Type，c（“rpm_nom”，“GVF_nom”，“p0in_nom”），sep=“”，remove=FALSE，extra=“drop”，fill=“right”）
>酒吧
点。键入rpm_nom GVF_nom p0in_nom Point.Value
1零开始零开始NA
2零开始零开始NA
3零开始零开始NA
4 3000rpm_10%_13barG_SDSA_1.0_不锈钢Pww 3000rpm 10%13barG-1.468033
5 3000rpm 10%13barG SDSA 1.0不锈钢Pww 3000rpm 10%13barG 1.280868
6 3000rpm 10%13barG SDSA 1.0不锈钢Pww 3000rpm 10%13barG 0.270126
7零停止零停止NA
8零开始零开始NA
我不知道为什么我的数据框现在包含两种明显不同的NA
，但是。NA
似乎喜欢这两种，所以我可以接受。但是，我有两种问题：
新列应至少为数值
，也可能为整数
。相反，它们是字符
，因为尾随rpm
，%
，barG
。我怎样才能摆脱这些
当无法拆分点类型时，rpm\u nom
应为NA
，而变为零开始
或零停止
。更改fill=
选项只会更改新列中获得Zero Start
/Zero Stop
的列。相反，我希望这三个都是NA
。我该怎么做
注意：我使用的是tidyr
，但如果您认为有更好的方法，当然不需要这样做。您可以使用dplyr对列进行后期处理：
或者使用data.table（由@DavidArenburg在评论中提供）：
将产生类似的结果：
> foo
Point.Type Point.Value rpm_nom GVF_nom p0in_nom
1: Zero Start NA NA NA NA
2: Zero Start NA NA NA NA
3: Zero Start NA NA NA NA
4: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww -0.09255445 3000 10 13
5: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 1.18581340 3000 10 13
6: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 2.14475950 3000 10 13
7: Zero Stop NA NA NA NA
8: Zero Start NA NA NA NA
这样做的好处是，foo
通过引用进行更新。由于这种方法速度更快、内存效率更高，因此对于使用大型数据集尤其有价值。对于base R
，我们可以在必要时首先强制NA
值，并强制类数值
：
bar[-1] <- lapply(bar[-1], function(x) {
is.na(x) <- grepl("Zero", x)
as.numeric(gsub("[^0-9.]", "", x))})
# Point.Type rpm_nom GVF_nom p0in_nom Point.Value
# 1 Zero Start NA NA NA NA
# 2 Zero Start NA NA NA NA
# 3 Zero Start NA NA NA NA
# 4 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 0.3558397
# 5 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 1.1454829
# 6 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 0.2958815
# 7 Zero Stop NA NA NA NA
# 8 Zero Start NA NA NA NA
bar[-1]@Jaap听起来很棒！使用%>%
，是否可以避免创建条
？@davidernburg您的解决方案看起来也不错，但是数据表是什么？我所有的代码都在data.frames上工作。我担心切换到这些数据表可能会影响代码的其余部分。另外，我不知道函数tstrsplit
，但我想它在data.table
包中有记录。@DeltaIV更新了答案。data.table
是data.frame
的一种增强形式。有关更多信息，请参阅。有趣！我的数据帧并不是很大，但比示例要大得多（大约是2000行乘1200列）。也许数据表会很好：我会研究它们。我有点遗憾地放弃了哈德利·维克汉姆的软件包，因为我喜欢它们，但是如果性能得到了实质性的提升，那么它可能是值得的！顺便说一句，您可以使用type.convert
，而不是作为.numeric
，这样它将自己正确地转换为整数和numeric
。我不确定您为什么要使用条[-1]
。另外，@Jaapgsub（[^0-9]，”，x）
和您的gsub（[[:alpha:].[:punct:][]，”，x）
之间有什么区别？最后，为什么在上一列中，您会得到10^14量级的Point.Value
srnorm（3）
应该生成更接近0的数字。bar[-1]
删除我们不想处理的第一列。这两种正则表达式模式之间的差异可以在这里看到。在最后一列中，删除了小数点。
library(data.table)
setDT(foo)[, c("rpm_nom","GVF_nom","p0in_nom") :=
lapply(tstrsplit(Point.Type, "_", fixed = TRUE)[1:3],
function(x) as.numeric(gsub("[^0-9]","",x)))
]
> foo
Point.Type Point.Value rpm_nom GVF_nom p0in_nom
1: Zero Start NA NA NA NA
2: Zero Start NA NA NA NA
3: Zero Start NA NA NA NA
4: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww -0.09255445 3000 10 13
5: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 1.18581340 3000 10 13
6: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 2.14475950 3000 10 13
7: Zero Stop NA NA NA NA
8: Zero Start NA NA NA NA
bar[-1] <- lapply(bar[-1], function(x) {
is.na(x) <- grepl("Zero", x)
as.numeric(gsub("[^0-9.]", "", x))})
# Point.Type rpm_nom GVF_nom p0in_nom Point.Value
# 1 Zero Start NA NA NA NA
# 2 Zero Start NA NA NA NA
# 3 Zero Start NA NA NA NA
# 4 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 0.3558397
# 5 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 1.1454829
# 6 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 0.2958815
# 7 Zero Stop NA NA NA NA
# 8 Zero Start NA NA NA NA
bar[-1] <- lapply(bar[-1], function(x) as.numeric(gsub("[^0-9.]", "", x)))