24

我有一个带有数字 ID 变量的数据框，它从多级抽样方案中识别主要、次要和最终抽样单位。我想将原始 ID 变量拆分为三个新变量，分别标识不同的采样单元：

例子：

>df[1:2,]
ID Var        var1     var2      var3     var4         var5  
501901          9    SP.1          1        W         12.10    
501901          9    SP.1          2        W         17.68

我想要的是：

>df[1:2,]
ID1    ID2     ID3   var1   var2  var3     var4    var5  
5      01      901    9    SP.1    1        W     12.10    
5      01      901    9    SP.1    2        W     17.68

我知道 R 中有一些函数可用于拆分字符串，但我找不到相同的数字工具。

谢谢，

胡安

4

7 回答 7

21

您可以使用例如使用substring：

df <- data.frame(ID = c(501901, 501902))

splitted <- t(sapply(df$ID, function(x) substring(x, first=c(1,2,4), last=c(1,3,6))))
cbind(df, splitted)
#      ID 1  2   3
#1 501901 5 01 901
#2 501902 5 01 902
于 2013-03-19T11:38:21.807 回答
13

另一种read.fwf选择是使用并指定宽度重新读取第一列：

cbind(read.fwf(file = textConnection(as.character(df[, 1])), 
               widths = c(1, 2, 3), colClasses = "character", 
               col.names = c("ID1", "ID2", "ID3")), 
      df[-1])
#   ID1 ID2 ID3 var1 var2 var3 var4  var5
# 1   5  01 901    9 SP.1    1    W 12.10
# 2   5  01 901    9 SP.1    2    W 17.68

这里的一个优点是能够以一种方便的方式设置生成的列名，并确保这些列是characters，从而保留可能存在的任何前导零。

于 2013-03-19T12:04:55.300 回答
5

这应该有效：

df <- cbind(do.call(rbind, strsplit(gsub('(.)(..)(...)', '\\1 \\2 \\3', paste(df[,1])),' ')), df[,-1]) # You need that paste() there because gsub() works only with text.

或与substr()

df <- cbind(ID1=substr(df[, 1],1,1), ID2=substr(df[, 1],2,3), ID3=substr(df[, 1],4,6), df[, -1])
于 2013-03-19T11:39:58.107 回答
4

由于它们是数字，因此您必须进行一些数学运算才能提取所需的数字。以 radix-10 表示的数字可以写成：

d0*10^0 + d1*10^1 + d2*10^2 ... etc. where d0..dn are the digits of the number.

因此，要从数学上表示为的 6 位数字中提取最高有效位：

number = d5*10^5 + d4*10^4 + d3*10^3 + d2*10^2 + d1*10^1 + d0*10^0

如您所见，将此数字除以 10^5 将得到：

number / 10^5 = d5*10^0 + d4*10^(-1) + d3*10^(-2) + d2*10^(-3) + d1*10^(-4) + d0*10^(-5)

瞧！现在，如果您将结果解释为整数，您已经提取了最高有效数字，因为所有其他数字现在的权重都小于 0，因此小于 1。您可以执行类似的操作来提取其他数字。对于最低有效位置的数字，您可以进行模运算而不是除法。

例子：

501901 / 10^5 = 5 // first digit
501901 % 10^5 = 1 // last digit
(501901 / 10^4) % 10^1 = 0 // second digit
(501901 / 10^2) % 10^2 = 19 // third and fourth digit
于 2013-03-19T11:47:30.317 回答
4

几年前已经提出了几个巧妙的答案，但我发现使用该outer功能的有用解决方案尚未提及。在这个搜索引擎时代，我把它放在这里以防其他人可以找到它。

我遇到了一个稍微简单的问题：将一列 6 位数字转换为代表每个数字的 6 列。这可以使用outer、整数除法 ( %/%) 和模 ( %%) 的组合来解决。

 DF <- data.frame("ID" = runif(3)*10^6, "a" = sample(letters, 3,T))
 DF <- cbind(DF, "ID" = outer(DF$ID, 10^c(5:0), function(a, b) a %/% b %% 10))
 DF
#       ID a ID.1 ID.2 ID.3 ID.4 ID.5 ID.6
# 1 814895 z    8    1    4    8    9    5
# 2 417209 q    4    1    7    2    0    9
# 3 545797 c    5    4    5    7    9    7

这里提出的问题稍微复杂一些，整数除法和模数都需要不同的值。

 DF <- data.frame("ID" = runif(3)*10^6, "a" = sample(letters, 3,T))
 DF <- cbind(DF, "ID" = outer(DF$ID, c(1:3), function(a,b) a %/% 10^c(5,3,0)[b] %% 10^b))
 DF
#      ID a ID.1 ID.2 ID.3
# 1 809372 q    8    9  372
# 2 954790 g    9   54  789
# 3 166970 l    1   66  969
于 2015-03-23T12:16:46.023 回答
3

如果您出于某种原因不想转换character为，以下是实现您想要的方法之一

DF <- data.frame(ID = c(501901, 501902), var1 = c("a", "b"), var2 = c("c", "d"))

result <- t(sapply(DF$ID, function(y) {
    c(y%/%1e+05, (y - y%/%1e+05 * 1e+05)%/%1000, y - y%/%1000 * 1000)
}))


DF <- cbind(result, DF[, -1])

names(DF)[1:3] <- c("ID1", "ID2", "ID3")

DF
##   ID1 ID2 ID3 var1 var2
## 1   5   1 901    a    c
## 2   5   1 902    b    d
于 2013-03-19T11:47:38.957 回答
2

有这么多答案，感觉我需要想出一些东西:)

library(qdap)
x <- colSplit(dat$ID_Var, col.sep="")
data.frame(ID1=x[, 1], ID2=paste2(x[, 2:3], sep=""), 
    ID3=paste2(x[, 4:6],sep=""), dat[, -1])

##   ID1 ID2 ID3 var1 var2 var3 var4  var5
## 1   5  01 901    9 SP.1    1    W 12.10
## 2   5  01 901    9 SP.1    2    W 17.68
于 2013-03-19T12:30:47.700 回答