基于delim的独立行基于r中的两列

如何解决基于delim的独立行基于r中的两列

我有以下df：

df_1=data.frame(col_1=c("a;b;c","c;d","e","f","g","h;j"),col_2=c("1;2;3","4","5;6","7","8;9","10;11;12"))

所以我想将col_1分隔为具有col_2对应值（如果存在）的单独行。

1. 例如，如果col_1中的元素数= col_2中的元素数，则应将它们与col_1和col_2中的相应值分开（第1行）

2. 如果它们具有不同数量的元素，如果一列只有一个元素，那么该元素也可以分为不同的行（第2行）

3. 如果元素的数量不成比例（每个元素超过1个且不相等），则应保持原样

这是final_dataset：

df_2=data.frame(col_1=c("a","b","c","d",col_2=c("1","2","3","5","6","8","9","10;11;12"))

解决方法

我们可以使用cSplit

library(splitstackshape)
library(zoo)

cnt1 <- nchar(gsub(";","",df_1$col_1))
cnt2 <- nchar(gsub(";",df_1$col_2))
i1 <- cnt1 != cnt2 & cnt1 > 1 & cnt2 > 1
rbind(cSplit(df_1[!i1,],c('col_1','col_2'),sep=";","long")[
          !is.na(col_1)|!is.na(col_2),lapply(.SD,na.locf0)],df_1[i1,])
#     col_1    col_2
# 1:     a        1
# 2:     b        2
# 3:     c        3
# 4:     c        4
# 5:     d        4
# 6:     e        5
# 7:     e        6
# 8:     f        7
# 9:     g        8
#10:     g        9
#11:   h;j 10;11;12

---

或在所有约束条件下使用base R

cnt1 <- nchar(gsub(";",df_1$col_2))
i1 <- cnt1 != cnt2 & cnt1 > 1 & cnt2 > 1
   
lst1 <- lapply(df_1[!i1,function(x) strsplit(x,";"))
out <- rbind(do.call(rbind,Map(function(x,y) {
       l1 <- length(x)
       l2 <- length(y)
       mx <- max(l1,l2)
       x <- if(l1 != l2 &  l1 == 1) rep(x,mx) else x
       y <- if(l1 != l2 & l2 == 1) rep(y,mx) else y
       data.frame(col_1 = x,col_2 = y) },lst1[[1]],lst1[[2]])),])
   
row.names(out) <- NULL
out
#   col_1    col_2
#1      a        1
#2      b        2
#3      c        3
#4      c        4
#5      d        4
#6      e        5
#7      e        6
#8      f        7
#9      g        8
#10     g        9
#11   h;j 10;11;12

,

这是通过定义自定义函数f

的另一个基本R选项。

f <- function(v) {
  X <- unlist(strsplit(v[[1]],";"))
  Y <- unlist(strsplit(v[[2]],";"))
  if (length(X) == length(Y) || min(length(X),length(Y))==1) {
    res <- data.frame(col_1 = X,col_2 = Y)
  } else {
    res <- data.frame(col_1 = v[[1]],col_2 = v[[2]])
  }
  res
}

df_2 <- do.call(rbind,apply(df_1,1,f))

我们将会得到

   col_1    col_2
1      a        1
2      b        2
3      c        3
4      c        4
5      d        4
6      e        5
7      e        6
8      f        7
9      g        8
10     g        9
11   h;j 10;11;12