新人求助，把数据框的每行按照某列拆分不同的行，只能用循环吗？

tctcab · 2022年5月2日

试试tidyr::separate_rows()

# 读数据
df=data.table::fread(
"
year      c1
2019     a;b
2019   c;d;e
2019     f;g
2020 h;i;j;k
2020     l;m
"
)

tidyr::separate_rows(df,c1)
#> # A tibble: 13 x 2
#>     year c1   
#>    <int> <chr>
#>  1  2019 a    
#>  2  2019 b    
#>  3  2019 c    
#>  4  2019 d    
#>  5  2019 e    
#>  6  2019 f    
#>  7  2019 g    
#>  8  2020 h    
#>  9  2020 i    
#> 10  2020 j    
#> 11  2020 k    
#> 12  2020 l    
#> 13  2020 m

Created on 2022-05-02 by the reprex package (v2.0.1)

9-5-2-7 · 2022年5月2日

1、data.table包的tstrsplit函数是个好东西，按;分割时，长度不够的会用NA填充；
2、用melt()来个宽转长，对应baseR的reshape()

library("data.table")
x<-data.frame(year=c(2019,2019,2019,2020,2020),
              c1=c('a;b','c;d;e','f;g','h;i;j;k','l;m'))
setDT(x)
x[,tstrsplit(c1,";")]
#>    V1 V2   V3   V4
#> 1:  a  b <NA> <NA>
#> 2:  c  d    e <NA>
#> 3:  f  g <NA> <NA>
#> 4:  h  i    j    k
#> 5:  l  m <NA> <NA>

y<-x[,tstrsplit(c1,";")][,year:=x$year]
melt(y,id.vars="year",na.rm=TRUE)[order(year,value),.(c1=value,year)]
#>     c1 year
#>  1:  a 2019
#>  2:  b 2019
#>  3:  c 2019
#>  4:  d 2019
#>  5:  e 2019
#>  6:  f 2019
#>  7:  g 2019
#>  8:  h 2020
#>  9:  i 2020
#> 10:  j 2020
#> 11:  k 2020
#> 12:  l 2020
#> 13:  m 2020

Created on 2022-05-02 by the reprex package (v2.0.1)

linzx · 2022年5月2日

9-5-2-7 多谢大佬指点，又学到一招

Cloud2016 · 2022年5月2日

linzx

library("data.table")

x <- data.frame(
  year = c(2019, 2019, 2019, 2020, 2020),
  c1 = c("a;b", "c;d;e", "f;g", "h;i;j;k", "l;m")
)
x <- as.data.table(x)
x[, lapply(.SD, function(x) unlist(strsplit(x, ";"))),
  .SDcols = "c1", by = c("year")
]
#>     year c1
#>  1: 2019  a
#>  2: 2019  b
#>  3: 2019  c
#>  4: 2019  d
#>  5: 2019  e
#>  6: 2019  f
#>  7: 2019  g
#>  8: 2020  h
#>  9: 2020  i
#> 10: 2020  j
#> 11: 2020  k
#> 12: 2020  l
#> 13: 2020  m

Created on 2022-05-02 by the reprex package (v2.0.1)

linzx · 2022年5月2日

tctcab 多谢！

linzx · 2022年5月2日

Cloud2016 多谢！

medo · 2022年5月2日

linzx
数一数每行有几个“;”，把year相应扩长
按“;”把数据切开、拉直

x<-data.frame(year=c(2019,2019,2019,2020,2020),
              c1=c('a;b','c;d;e','f;g','h;i;j;k','l;m'))
data.frame(
  year = rep(x$year,times= sapply(gregexpr(";",x$c1),length)+1 ),
  value = unlist(strsplit(x$c1 , ";"))
)

chuxinyuan · 2022年5月3日

我一直在考虑，这个数据这么处理后会不会有信息损失（如果还有第三个字段）？因为加工处理后的数据无法逆回去了。

s609078902 · 2022年5月18日

tctcab 不光学会了 separate_row() 函数，还学到了 reprex 包的用法

s609078902 · 2022年5月18日

chuxinyuan 操作前新增一列行号就可以逆回去

library(tidyverse)

df=data.table::fread(
  "
year      c1
2019     a;b
2019   c;d;e
2019     f;g
2020 h;i;j;k
2020     l;m
"
)

df2 <- tidyr::separate_rows(df %>% rownames_to_column(),c1)
df2
#> # A tibble: 13 x 3
#>    rowname  year c1   
#>    <chr>   <int> <chr>
#>  1 1        2019 a    
#>  2 1        2019 b    
#>  3 2        2019 c    
#>  4 2        2019 d    
#>  5 2        2019 e    
#>  6 3        2019 f    
#>  7 3        2019 g    
#>  8 4        2020 h    
#>  9 4        2020 i    
#> 10 4        2020 j    
#> 11 4        2020 k    
#> 12 5        2020 l    
#> 13 5        2020 m

df2 %>% 
  dplyr::group_by(year, rowname) %>% 
  dplyr::summarise(c1 = str_flatten(c1, collapse = ";"))
#> `summarise()` has grouped output by 'year'. You can override using the
#> `.groups` argument.
#> # A tibble: 5 x 3
#> # Groups:   year [2]
#>    year rowname c1     
#>   <int> <chr>   <chr>  
#> 1  2019 1       a;b    
#> 2  2019 2       c;d;e  
#> 3  2019 3       f;g    
#> 4  2020 4       h;i;j;k
#> 5  2020 5       l;m

Jiena · 2022年9月1日

linzx
这个dataMojo R 包可以一步到位。欢迎来逛逛： https://github.com/jienagu/dataMojo

df=data.table::fread(
  "
year      c1
2019     a;b
2019   c;d;e
2019     f;g
2020 h;i;j;k
2020     l;m
"
)

dataMojo::row_expand_pattern(df, "c1", ";", "c2")[]
    year c2
 1: 2019  a
 2: 2019  b
 3: 2019  c
 4: 2019  d
 5: 2019  e
 6: 2019  f
 7: 2019  g
 8: 2020  h
 9: 2020  i
10: 2020  j
11: 2020  k
12: 2020  l
13: 2020  m