r - dplyr mutate + unlist 问题

Question

我正在尝试提取数据框中的部分字符。

d<-data.frame(a=c("aa_bb_cc", "ddd_eee_fff", "sss_rrr_eee"))

我想在新列中添加“bb”、“eee”、“rrr”部分。当使用如下结构时，它工作正常:

unlist(str_split(d$a[1],"_"))[2]
unlist(str_split(d$a[2],"_"))[2]

所以我将它应用到 mutate (dplyr) 中:

t<-d %>% mutate(new1=(unlist(str_split(a,"_"))[2])) 

但结果在所有情况下都是“bb”。我做错了什么？

Answer 1

当你这样做的时候

d %>% mutate(new1=(unlist(str_split(a,"_"))[2]))

它传递 str_split 中的 a 列。所以这相当于

unlist(str_split(d$a, "_"))
#[1] "aa"  "bb"  "cc"  "ddd" "eee" "fff" "sss" "rrr" "eee"

现在当你对它进行子集化并得到它给出的第二个元素时

unlist(str_split(d$a, "_"))[2]
#[1] "bb"

因此，这个值被分配给所有的案例。

---

要解决此问题，您可以添加操作 rowwise 以获得所需的输出，因为它将在 str_split a 的值.

library(tidyverse)

d %>%
  rowwise() %>%
  mutate(new1= unlist(str_split(a,"_"))[2])

#      a      new1 
#    <fct>    <chr>
#1 aa_bb_cc    bb   
#2 ddd_eee_fff eee  
#3 sss_rrr_eee rrr  

---

或者另一个更安全的选择是使用separate，根据分隔符将字符串分成不同的列，然后选择相关的列

d %>%
  separate(a, into = c("one", "two", "three"), sep = "_", remove = FALSE) %>%
  select(a, two)

#            a two
#1    aa_bb_cc  bb
#2 ddd_eee_fff eee
#3 sss_rrr_eee rrr

---

显然，您还可以使用 sapply 和 strsplit

来使用基本 R 选项

sapply(strsplit(as.character(d$a), "_"), "[[", 2)
#[1] "bb"  "eee" "rrr"