r - 遍历 df，grep，然后拆分

Question

我想遍历多个数据框和每个数据框中的某些列，并将括号中带有星号的数字列分成两列。例如，将 [123]*** 拆分为包含 123(无括号)的列和包含 *** 的列。这是我尝试过的:

require(reshape2)
# create dataframes
  df1 <- data.frame(var=c("item1", "item2"),
                    var.se.1=c("[123]**", "[456]"),
                    var.se.2=c("[1]***", "[45]*"))
  df2 <- data.frame(var=c("item3", "item4"),
                    var.se.1=c("[7]*", "[89]***"),
                    var.se.2=c("[34]**", "[2]"))

我有:

# df1
#     var var.se.1 var.se.2
# 1 item1  [123]**   [1]***
# 2 item2    [456]    [45]*

我要:

#     var var.se.1 var.se.1.ast var.se.2 var.se.2.ast
# 1 item1      123           **        1          ***
# 2 item2      456                    45            *

我试过:

# create list of dataframes
  dfs <- list(df1, df2)
# loop through dataframes
  for (i in 1:length(dfs)) {
    # index columns with .se in the name
      seCols <- grep(".se", names(dfs[[i]]))
    # loop through every column with .se in the name
      for (s in seCols) {
        # remove [, which will leave ] to split on
        # want to get rid of [] anyway
          dfs[[i]][,s] <- gsub("\\[", "", as.character(dfs[[i]][,s]))
        # split into two columns on ]
          dfs[[i]] <- cbind(dfs[[i]],
                            colsplit(dfs[[i]][,s],
                                     pattern = "\\]",
                                     names = c(names(dfs[[i]][s]),
                                               paste(names(dfs[[i]][s]),
                                                     "ast", sep="."))))
      }
  }

代码主要执行我希望它执行的操作，但结果并未存储在数据框中。如果我运行循环然后运行 ​​dfs[[i]]，那么当 i==2 时，我得到以下信息:

# i == 2
dfs[[i]]
    var var.se.1 var.se.2 var.se.1 var.se.1.ast var.se.2 var.se.2.ast
1 item3      7]*    34]**        7            *       34           **
2 item4   89]***       2]       89          ***        2 

我需要删除第 2 列和第 3 列，但除此之外，一切正常。只需要将第 1、4、5、6 和 7 列(列命名正确)放入 df1 和 df2(df2 在这个例)。

更新

我的实际用例比 MRE 更复杂并且破坏了@Tyler 的代码。这个问题似乎与我的真实数据框有不同数量的观察有关。如果我们将 df2 重新定义为 3 行，并将 df2 保留为 2 行，则 R 在运行@Tyler 的代码时将抛出错误:“数据.frame 错误(。 .., check.names = FALSE) :参数暗示不同的行数:2、3"

df2 <- data.frame(var=c("item3", "item4", "item5"),
                  var.se.1=c("[7]*", "[89]***", "new"),
                  var.se.2=c("[34]**", "[2]", "rows"))

Answer 1

这是使用 qdap 包的一种方法。我根据 OP 的评论做了一些调整。我会在列表之外操作，但如果您希望它们在全局环境中，我也会提供。

L1 <- setNames(list(df1, df2), c("df1", "df2"))

library(qdap)

bot_scum <- function(x) identical(character(0), x)
FUN <- function(x) {
    y <- bracketXtract(x)
    y[sapply(y, bot_scum)] <- NA
    as.numeric(unlist(y))
}
FUN2 <- function(x) gsub("[^*]", "", x)
FUN3 <- function(x) cbind.data.frame(FUN(x), FUN2(x))

(L2 <- lapply(L1, function(x) {
    inds <- grep(".se", colnames(x), fixed=TRUE)
    ninds <- grep(".se", colnames(x), fixed=TRUE, invert=TRUE)

    out <- do.call(cbind.data.frame, lapply(inds, function(i) {
        setNames(FUN3(x[, i]), c(colnames(x)[i], paste0(colnames(x)[i], ".ast")))
    }))

    cbind.data.frame(x[, ninds, drop=FALSE],out)
}))

list2env(L2, envir = .GlobalEnv)
df1
df2

## $df1
##     var var.se.1 var.se.1.ast var.se.2 var.se.2.ast
## 1 item1      123           **        1          ***
## 2 item2      456                    45            *
## 
## $df2
##     var var.se.1 var.se.1.ast var.se.2 var.se.2.ast
## 1 item3        7            *       34           **
## 2 item4       89          ***        2