r - 在带有矢量元素的小标题上使用 dplyr 的问题 [列表列]

Question

我在使用 dplyr 和 stringr 函数(特别是 str_split())进行文本处理时遇到了一些问题。我想我误解了在处理向量/列表元素时如何正确使用 dplyr 的一些非常基本的东西。

这是一个小贴士， df ...

library(tidyverse)

df <- tribble(
  ~item, ~phrase,
  "one",   "romeo and juliet",
  "two",   "laurel and hardy",
  "three", "apples and oranges and pears and peaches"
)

现在我创建一个新列， splitPhrase , 通过做 str_split() 在使用“ 和 ”作为分隔符的列之一上。

df <- df %>%
      mutate(splitPhrase = str_split(phrase,"and")) 

这似乎有效，在 RStudio 中，我看到了这个......



在控制台中，我看到我的新列 splitPhrase 实际上是由列表组成的……但它在 Rstudio 显示中看起来是正确的，对吗？

df
#> # A tibble: 3 x 3
#>   item  phrase                                   splitPhrase
#>   <chr> <chr>                                    <list>     
#> 1 one   romeo and juliet                         <chr [2]>  
#> 2 two   laurel and hardy                         <chr [2]>  
#> 3 three apples and oranges and pears and peaches <chr [4]>

我最终想要做的是提取 最后 每个 splitPhrase 的项目。换句话说，我想达到这个......



问题是我看不到如何只获取每个 splitPhrase 中的最后一个元素。如果它只是一个向量，我可以做这样的事情......

#> last( c("a","b","c") )
#[1] "c"
#> 

但这在 tibble 中不起作用，想到的其他事情也不起作用:

df <- df %>% 
       mutate(lastThing = last(splitPhrase))
# Error in mutate_impl(.data, dots) : 
#   Column `lastThing` must be length 3 (the number of rows) or one, not 4

df <- df %>% group_by(splitPhrase) %>%
  mutate(lastThing = last(splitPhrase))
# Error in grouped_df_impl(data, unname(vars), drop) : 
#  Column `splitPhrase` can't be used as a grouping variable because it's a list

所以，我认为我“不明白”如何处理表/tibble 列中元素内的向量。这似乎与以下事实有关，即在我的示例中，它实际上是一个向量列表。

是否有特定的功能可以帮助我解决这个问题，或者有更好的方法来解决这个问题？

创建于 2018-09-27 由 reprex package (v0.2.1)

Answer 1

'splitPhrase' 列是 list ，所以我们循环遍历 list获取元素

library(tidyverse)
df %>% 
   mutate(splitPhrase = str_split(phrase,"\\s*and\\s*"),
          Last = map_chr(splitPhrase, last)) %>%
   select(item, Last)

但是，它可以通过多种方式完成。使用 separate_rows ，展开列，得到 last按“项目”分组的元素

df %>% 
  separate_rows(phrase,sep = " and ") %>% 
  group_by(item) %>% 
  summarise(Last = last(phrase))