在dataframe中搜索唯一值并使用它们创建表

自从不久前我开始使用R<以来，我发现这个网站在帮助我构建脚本方面非常有用。我又一次遇到了一个挑战，我似乎在任何地方都找不到答案。这是我的问题：在我的数据中有一列，每行包含不同的URL。在每一个URL中都有我想要提取的特定信息。目前我在excel中做这件事，因为有人告诉我在R中做不到，而且没有函数可以做这件事

URL将类似于此示例格式，它将在“源”列中找到

URL中对我很重要的部分是“utm_source=ADX”位。我的数据如下所示：

用户/来源

1/

2/

3/

我需要做的是从URL捕获utm_源，并将信息转换到不同的列中，示例如下：

用户/源/utm\U源

1/谷歌点击/ADX和ID56789

2/谷歌点击/ADW&ID56009

3/谷歌点击/ADWords和ID53389

因此，本质上我需要R在整个数据帧中搜索值“utm_source=”，一旦找到它们，我希望它将“utm_source=”值转换为一个列名，并为每一行复制该列“=”后面的所有信息。我知道“grep”是一个在datafreme中定位特定信息的函数，例如data没有什么是不可能的

x <- read.csv(text="
User, Source
1, http://www.googleclick.com?utm_source=ADX&ID56789
2, http://www.googleclick.com?utm_source=ADW&ID56009
3, http://www.googleclick.com?utm_source=ADWords&ID53389
", header=TRUE, stringsAsFactors=FALSE)

然后找一把火红的扑克，插在你所谓顾问的眼睛里

---

编辑：

正如Paul Hiemstra所建议的，您也可以直接使用正则表达式：

gsub(".*\\?utm_source=", "", x$Source)
[1] "ADX&ID56789"     "ADW&ID56009"     "ADWords&ID53389"

---

@安德烈的回答起了作用。下面是另一种使用

regmatches

和

gregexpr

的方法，可能会很有用

d <- read.table(text="User URL
1 http://www.googleclick.com?utm_source=ADX&ID56789
2 http://www.googleclick.com?utm_source=ADW&ID56009
3 http://www.googleclick.com?utm_source=ADWords&ID53389", header=TRUE)

domain.pat <- '((?<=www.)([[:alnum:]_]+))'
source.pat <- '((?<=utm_source=)([[:alnum:]&]+))' # exclude the '&' here to only grab up to the '&'
all.matches <- gregexpr(paste(domain.pat, source.pat, sep='|'), d$URL, perl=TRUE)
all.substrings <- regmatches(d$URL, all.matches)
do.call(rbind, all.substrings)

#      [,1]          [,2]             
# [1,] "googleclick" "ADX&ID56789"    
# [2,] "googleclick" "ADW&ID56009"    
# [3,] "googleclick" "ADWords&ID53389"

---

d+1，但是基于正则表达式的解决方案可能更健壮。有趣的是，有人会说在R中不可能，但在Excel中却可以。我只知道其他的例子。非常感谢你的及时回答。你们真的很了解自己。strsplit似乎不适用于strsplit（file1$Source，split=“\\？utm\u Source=“）：非字符参数中的错误。不知道这个错误意味着什么。gsub似乎可以工作，但它将我的新子集创建为值，因此我无法将其编写为csv。我需要添加as.character之类的内容吗？@DavidRogers您的第一个错误是因为您的数据是一个因素，而不是一个字符。使用
stringsAsFactors=FALSE
读取.csv（）

时，如我在代码中所示。在这两种情况下，您都需要将拆分操作的结果分配给data frame.file1中的一列。如果有人说R中不可能出现某些情况，请不要信任他们。如果他们说可以在excel中运行，请运行！：））我知道，我知道Excel并不是一个真正的数据统计学家的软件，Excel有它的价值，但对于数据分析来说，R要强大得多。你能解释一下当你尝试的时候，安德里的建议是如何起作用的吗？就我而言，情况并非如此。直到do.call（rbind，all.substring）的时候，你的工作才停止。当我试图将其子集（因为我需要将其导出为csv）时，它会给我一个字符矩阵。因此，为了清楚起见，我想要的输出是一个包含以下列的子集：Col1-userID、Col2-utm_source（在该列的每一行中，每一行上都应该有最初出现在URL中=和&）之间的内容（ADW或ADX或ADWords）。我希望这是有意义的：）@David显然在您的

data.frame

中，URL是

类型的

因子。它们必须是

字符

，才能起作用。您可以遵循Andrie的建议，在读取数据时使用

stringsAsFactors=FALSE

，或者将

d$URL

替换为

as.character（d$URL）

，在我提供的示例中。您能告诉我您的版本应该是什么样的公式吗？基本上，将data.frame转换为字符的函数是什么？如果我有一个名为“Users”的文件如何转换它。我知道这对你来说可能是难以置信的基础，但对于一些对R知之甚少的人来说，一切都是一个挑战。：）我尝试将其作为.character（Users$URL）使用，但它只显示了1000行数据，并说[reach getOption（“max.print”）--省略了191016个条目]

d <- read.table(text="User URL
1 http://www.googleclick.com?utm_source=ADX&ID56789
2 http://www.googleclick.com?utm_source=ADW&ID56009
3 http://www.googleclick.com?utm_source=ADWords&ID53389", header=TRUE)

domain.pat <- '((?<=www.)([[:alnum:]_]+))'
source.pat <- '((?<=utm_source=)([[:alnum:]&]+))' # exclude the '&' here to only grab up to the '&'
all.matches <- gregexpr(paste(domain.pat, source.pat, sep='|'), d$URL, perl=TRUE)
all.substrings <- regmatches(d$URL, all.matches)
do.call(rbind, all.substrings)

#      [,1]          [,2]             
# [1,] "googleclick" "ADX&ID56789"    
# [2,] "googleclick" "ADW&ID56009"    
# [3,] "googleclick" "ADWords&ID53389"