r - 当所需变量的数量未知时如何使用 tidyr::separate

Question

这个问题在这里已经有了答案:





Splitting a dataframe string column into multiple different columns [duplicate]

(4 个回答)


4年前关闭。




我有一个包含电子邮件通信的数据集。一个例子:

library(dplyr)
library(tidyr)

dat <- data_frame('date' = Sys.time(), 
                  'from' = c("person1@gmail.com", "person2@yahoo.com", 
                             "person3@hotmail.com", "person4@msn.com"), 
                  'to' = c("person2@yahoo.com,person3@hotmail.com", "person3@hotmail.com", 
                           "person4@msn.com,person1@gmail.com,person2@yahoo.com", "person1@gmail.com"))

在上面的例子中，很简单，可以看到我需要多少个变量，所以我可以执行以下操作:

dat %>% separate(to, into = paste0("to_", 1:3), sep = ",", extra = "merge", fill = "right")

#Source: local data frame [4 x 5]
#
#                 date                from                to_1                to_2              to_3
#               (time)               (chr)               (chr)               (chr)             (chr)
#1 2015-10-22 14:52:41   person1@gmail.com   person2@yahoo.com person3@hotmail.com                NA
#2 2015-10-22 14:52:41   person2@yahoo.com person3@hotmail.com                  NA                NA
#3 2015-10-22 14:52:41 person3@hotmail.com     person4@msn.com   person1@gmail.com person2@yahoo.com
#4 2015-10-22 14:52:41     person4@msn.com   person1@gmail.com                  NA                NA

但是，我的数据集有 4,000 条记录，我宁愿不去查找包含最多元素的行，这样我就可以确定需要创建多少个变量。我处理这个问题的方法是首先自己拆分列并获取每个拆分的长度，然后找到最大值:

n_vars <- dat$to %>% str_split(",") %>% lapply(function(z) length(z)) %>% unlist() %>% max()

但这似乎效率低下。有没有更好的方法来做到这一点？

Answer 1

我们可以使用 cSplit

library(splitstackshape) 
cSplit(dat, 'to', ',')