8

我一直在尝试了解如何更好地处理输出strsplit。我经常有这样的数据,我希望拆分:

mydata <- c("144/4/5", "154/2", "146/3/5", "142", "143/4", "DNB", "90")

#[1] "144/4/5" "154/2"   "146/3/5" "142"     "143/4"   "DNB"     "90"     

拆分后的结果如下:

strsplit(mydata, "/")

#[[1]]
#[1] "144" "4"   "5"  

#[[2]]
#[1] "154" "2"  

#[[3]]
#[1] "146" "3"   "5"  

#[[4]]
#[1] "142"

#[[5]]
#[1] "143" "4"  

#[[6]]
#[1] "DNB"

#[[7]]
#[1] "90"

我从 strsplit 帮助指南中知道不会产生最终的空字符串。因此,我的每个结果中都会有 1、2 或 3 个元素,具体取决于要拆分的“/”的数量

获取第一个元素非常简单:

sapply(strsplit(mydata, "/"), "[[", 1)

#[1] "144" "154" "146" "142" "143" "DNB" "90" 

但是我不确定如何获得第二个,第三个......当每个结果中存在这些不相等数量的元素时。

sapply(strsplit(mydata, "/"), "[[", 2)

# Error in FUN(X[[4L]], ...) : subscript out of bounds

我希望从一个可行的解决方案中返回,如下:

#[1] "4" "2" "3" "NA" "4" "NA" "NA" 

这是一个相对较小的例子。我可以很容易地对这些数据执行一些 for 循环,但是对于具有 1000 次观察的真实数据来运行 strsplit 以及由此产生的数十个元素,我希望找到一个更通用的解决方案。

4

4 回答 4

4

(至少关于一维向量)[似乎NA在“i > length(x)”时返回,而[[返回错误。

x = runif(5)
x[6]
#[1] NA
x[[6]]
#Error in x[[6]] : subscript out of bounds

稍微挖掘一下,do_subset_dflt(即[)调用ExtractSubset我们注意到当想要的索引(“ii”)是“>length(x)”NA时返回(稍微修改为干净):

if(0 <= ii && ii < nx && ii != NA_INTEGER)
    result[i] = x[ii];
else
    result[i] = NA_INTEGER;

另一方面,如果想要的索引(“偏移量”)是“>长度(x)”(修改一点以保持干净),则do_subset2_dflt(即[[)返回错误:

if(offset < 0 || offset >= xlength(x)) {
    if(offset < 0 && (isNewList(x)) ...
    else errorcall(call, R_MSG_subs_o_b);
}

在哪里#define R_MSG_subs_o_b _("subscript out of bounds")

(我不确定上面的代码片段,但根据他们的回报,它们似乎确实相关)

于 2014-09-01T19:13:28.590 回答
4

尝试这个:

> read.table(text = mydata, sep = "/", as.is = TRUE, fill = TRUE)
   V1 V2 V3
1 144  4  5
2 154  2 NA
3 146  3  5
4 142 NA NA
5 143  4 NA
6 DNB NA NA
7  90 NA NA

如果您想将DNB其视为 NA ,请添加参数na.strings="DNB"

如果你真的想使用,strsplit那么试试这个:

> do.call(rbind, lapply(strsplit(mydata, "/"), function(x) head(c(x,NA,NA), 3)))
     [,1]  [,2] [,3]
[1,] "144" "4"  "5" 
[2,] "154" "2"  NA  
[3,] "146" "3"  "5" 
[4,] "142" NA   NA  
[5,] "143" "4"  NA  
[6,] "DNB" NA   NA  
[7,] "90"  NA   NA  

注意:使用 alexis_laz 的观察x[i]返回NAif iis not in 1:length(x)the last line of code 可以简化为:

t(sapply(strsplit(mydata, "/"), "[", 1:3))
于 2014-09-01T15:24:49.860 回答
1

您可以使用regex(如果允许)

 library(stringr)
 str_extract(mydata , perl("(?<=\\d/)\\d+"))
 #[1] "4" "2" "3" NA  "4" NA  NA 
 str_extract(mydata , perl("(?<=/\\d/)\\d+"))
#[1] "5" NA  "5" NA  NA  NA  NA 
于 2014-09-01T16:18:33.327 回答
0

您可以在内部分配长度sapply,从而导致NA当前长度比分配的长度短。

s <- strsplit(mydata, "/")
sapply(s, function(x) { length(x) <- 3; x[2] })
# [1] "4" "2" "3" NA  "4" NA  NA 

然后你可以添加第二个索引参数mapply

m <- max(sapply(s, length))
mapply(function(x, y, z) { length(x) <- z; x[y] }, s, 2, m)
# [1] "4" "2" "3" NA  "4" NA  NA 
于 2014-09-01T19:20:26.483 回答