R - 将数据框中不同字符串长度的列拆分为仅包含一个字符的多列

Question

我有一个这样的数据框:

Name     S1     S2     S3     Symbol
n_12     2.3    6.1    0      A
n_13     3.4    3.7    0      ACM
n_14     1.3    1.0    0      BN
n_23     2.0    4.1    0      NOPXY

我希望将最后一列 Symbol 拆分为多列，每列有一个字符或什么都没有。

    Name     S1     S2     S3     Sy1     Sy2     Sy3     Sy4     Sy5
    n_12     2.3    6.1    0      A                               
    n_13     3.4    3.7    0      A       C       M               
    n_14     1.3    1.0    0      B       N                       
    n_23     2.0    4.1    0      N       O       P       X       Y

感谢您对此提供的任何帮助。

Answer 1

一种方法是使用 tidyr::separate它将包含字符串的单列拆分为包含子字符串的多列。

df
  Name  S1  S2 S3 Symbol
1 n_12 2.3 6.1  0      A
2 n_13 3.4 3.7  0    ACM
3 n_14 1.3 1.0  0     BN
4 n_23 2.0 4.1  0  NOPXY

sep= separate 的论据接受正则表达式或数字向量，列出要拆分的字符串中的位置。由于我们要在每个字符后进行拆分，因此我们希望给出一个从 1 到最长字符串长度的数字序列( -1 ，因为我们不需要在最后一个字符后进行拆分)。最长字符串的长度用 max(nchar(.$Symbol)) 计算.感谢 Rich Scriven用于指出 nchar是矢量化的，因此不需要用 sapply 调用.

然后我们用要分割的列的名称制作一个字符向量 Symbol进入。在您的情况下，我们可以粘贴 'Sy'到相同的数字序列得到 c('Sy1', 'Sy2' ...)

df %>%
    tidyr::separate(Symbol,
                    sep = seq_len(max(nchar(.$Symbol)) - 1),
                    into = paste0('Sy', seq_len(max(nchar(.$Symbol)))))

  Name  S1  S2 S3 Sy1 Sy2 Sy3 Sy4 Sy5
1 n_12 2.3 6.1  0   A                
2 n_13 3.4 3.7  0   A   C   M        
3 n_14 1.3 1.0  0   B   N            
4 n_23 2.0 4.1  0   N   O   P   X   Y

如果您收到以下错误:

Error in nchar(.$Symbol) : 'nchar()' requires a character vector

那么很可能是 df$Symbol类型为 factor (创建或加载 data.frame 时的默认值)不是 character .

您可以提供 read.table或 data.frame与参数 stringsAsFactor=F保留 Symbol变量从被转换为 factor ，或将其转换回 character .

Tidyverse 选项(可以在调用 tidyr::separate 之前插入管道:

df <- df %>%
    dplyr::mutate(Symbol = as.character(Symbol))

或以 R 为基数:

df$Symbol <- as.character(df$Symbol)