在 R 中重新编码分号分隔的列表

Question

我是 R 的新手，正在努力解决这个问题。我有一列包含逗号分隔的事物列表的字符向量的数据名望。我想保留该列，但为每个值为 0(不在列表中)或 1(在列表中)的项目添加一列。

这是我正在尝试的内容:

library("tidyverse")

colors <- c("red;blue", "red;green")
df <- data.frame(colors, stringsAsFactors = FALSE)
df %>%
  mutate(green = case_when("green" %in% strsplit(colors,";")[[1]] ~ 1, 
                         TRUE ~ 0))

我得到的结果是:

     colors green
1  red;blue     0
2 red;green     0

我预计第二行中“绿色”的值为 1。

为了尝试调试这个我试过这个:

> strsplit("red;green", ";")
[[1]]
[1] "red"   "green"

> "green" %in% strsplit("red;green",";")[[1]]
[1] TRUE

# and the negative case
> "green" %in% strsplit("red;blue",";")[[1]]
[1] FALSE

我错过了什么？

Answer 1

带 data.table解决方案，您可以使用 tstrsplit :

library(data.table)

df <- data.table::data.table(
  color = c("red;blue", "red;green")
)

df[, c("col1","col2") := tstrsplit(color, ";", fixed = TRUE)] 
df[, "green" := (col2 == "green")]

df

#       color col1  col2 green
# 1:  red;blue  red  blue FALSE
# 2: red;green  red green  TRUE

如果您不熟悉 data.table按引用更新运算符 := , data.table小插图是一个很好的起点。选项 fixed = TRUE在 tstrsplit假设您的逗号分隔列表中始终具有相同数量的元素。

我认为有一种解决方案更适合您拥有多个值的情况。重复使用 lapply ，您可以将一系列列添加到您的 data.table
从 df 开始:

df <- data.table::data.table(
  color = c("red;blue", "red;green")
)

调用 lapply与 grepl为了扫描相关颜色，我们通过引用我们的对象来更新(请注意，您可以使用三种以上的颜色):

lapply(c("red","green","blue"), function(x){
  df[grepl(x, color), c(as.character(x)) := TRUE]
})
#[[1]]

#[[2]]
#       color  red green blue
#1:  red;blue TRUE    NA TRUE
#2: red;green TRUE  TRUE   NA

#[[3]]
#       color  red green blue
#1:  red;blue TRUE    NA TRUE
#2: red;green TRUE  TRUE   NA

无需重新分配数据帧。它已通过引用更新。只有 df 的最后一个插槽我们感兴趣。最后，通过选择这个并设置 NAs至 FALSE :

df <- df[[length(df)]]
df[is.na(df)] <- FALSE

df
#       color  red green  blue
# 1:  red;blue TRUE FALSE  TRUE
# 2: red;green TRUE  TRUE FALSE

希望能帮助到你