3 位字符序列的重复行值 - 整齐的数据

Question

给定以下数据框:

df <- data.frame(start = c("005", "010", "014"),
                   end = c("005", "013", "017"),
                  zone = c(3, 5, 7))
# df
#   start end zone
# 1   005 005    3
# 2   010 013    5
# 3   014 017    7

我想生成以下结果:

#   key zone
# 1 005    3
# 2 010    5
# 3 011    5
# 4 012    5
# 5 013    5
# 6 014    7
# 7 015    7
# 8 016    7
# 9 017    7

我在想我也许可以利用 tidyr 中的一些东西——也许是 complete() 或 expand()，但有三个- df$start 和 df$end 的字符串一直给我带来麻烦。

我已经取得了一定的成功:apply(df, 1, function(i) seq(as.numeric(i["start"]), as.numeric(i["end"]))) 然后我可以将其传递给类似 stringr::str_pad(..., width = 3, pad = "0") 的内容，但我不确定如何获取这些区域对这些重复的序列很巧妙。

Answer 1

使用data.table，您可以通过链接在一起的三个步骤来完成此操作。首先，使用 setDT 将数据帧转换为数据表。其次，将 start 和 end 列转换为数字。第三，通过使用 start 列中的值作为起始值和 end 中的值，为原始数据框中的每一行创建序列来创建 key 列 列作为最终值。第四，使用 sprintf 将 key 列转换回字符，并在短于 3 位的数字前添加零:

library(data.table)
cols <- names(df)[1:2]
setDT(df)[, (cols) := lapply(.SD, function(x) as.numeric(as.character(x))), .SDcols = cols
          ][, .(key = start:end), by = zone
            ][, key := sprintf('%03d',key)][]

给出:

   zone key
1:    3 005
2:    5 010
3:    5 011
4:    5 012
5:    5 013
6:    7 014
7:    7 015
8:    7 016
9:    7 017

根据您的 start 和 end 列是否是因子的特征，您应该使用 as.numeric(x) 或 as.numeric(as.character(x)).

按照@alistaire 的评论，您可以好奇地省略 as.numeric 部分。因此:

setDT(df)[, (cols) := lapply(.SD, function(x) as.character(x)), .SDcols = cols
          ][, .(key = start:end), by = zone
            ][, key := sprintf('%03d',key)][]

会给你相同的结果(当你的 start 和 end 列已经是字符类时，你当然可以省略 lapply 步骤) .