r - 提取在单个列中找到的数据元素

Question

这是我的数据的样子。

id interest_string
1       YI{Z0{ZI{
2             ZO{
3            <NA>
4             ZT{

如您所见，可以将多个代码串联成一列，用 { 分隔。一行也可能没有 interest_string值。

如何操作此数据框以将值提取为如下格式:

id  interest
1    YI
1    Z0
1    ZI
2    Z0
3    <NA>
4    ZT

我需要使用 R 完成此任务.

提前致谢。

Answer 1

这是一种解决方案

out <- with(dat, strsplit(as.character(interest_string), "\\{"))
## or
# out <- with(dat, strsplit(as.character(interest_string), "{", fixed = TRUE))

out <- cbind.data.frame(id = rep(dat$id, times = sapply(out, length)),
                        interest = unlist(out, use.names = FALSE))

给予:

R> out
  id interest
1  1       YI
2  1       Z0
3  1       ZI
4  2       ZO
5  3     <NA>
6  4       ZT

解释

解决方案的第一行简单地拆分 interest_string 的每个元素数据对象中的因素 dat , 使用 \\{作为分割指标。该指标必须被转义，并且在 R 中需要两个 \ . (实际上，如果您在对 fixed = TRUE 的调用中使用 strsplit，则不会。)结果对象是一个列表，对于示例数据，它看起来像这样

R> out
[[1]]
[1] "YI" "Z0" "ZI"

[[2]]
[1] "ZO"

[[3]]
[1] "<NA>"

[[4]]
[1] "ZT"

我们在此列表中拥有几乎所有我们需要的东西来形成您需要的输出。在这个列表之外，我们唯一需要的是 id引用 out 的每个元素的值，我们从原始数据中获取。

因此，在第二行中，我们按列绑定(bind)(指定数据框方法，以便我们获得返回的数据框)原始 id值，每个重复所需的次数，到 strsplit列表( out)。通过取消列出此列表，我们将其解包为一个向量，该向量具有您预期输出所给定的所需长度。我们得到我们需要复制每个 id 的次数 strsplit 返回的列表的组成部分的长度值.