1

我已经尝试在 SO here和here解决这个问题- 原因得到了很好的答案，但意识到这只是我认为是一个普遍问题的部分解决方案：通常数据已被组织为具有变量（最有趣的是显然) 作为每个变量一列，然后是最后一列，其中几个变量值对放在一起。我一直在努力寻找一种将最后一列变量转换为单独列的通用方法，这种整理数据不应该是一项工作tidyr吗？

require(dplyr)
require(stringr)

data <- 
      data.frame(
        shoptype=c("A","B","B"),
        city=c("bah", "bah", "slah"),
        sale=c("type cheese; price 200", "type ham; price 150","type cheese; price 100" )) %>%
      tbl_df()

> data
Source: local data frame [3 x 3]

  shoptype city                   sale
1        A  bah type cheese; price 200
2        B  bah    type ham; price 150
3        B slah type cheese; price 100

在这里，我们有一些城市的一些商店的信息，其中有一个连接列，其中变量用“;”分隔。和带空格的 var-val。有人想要这样的输出：

    shoptype    city    type    price
1   A   bah cheese  200
2   B   bah ham 150
3   B   slah    cheese  100

当所有行都可以执行时（请参阅链接的 SO 问题）

require(plyr)
require(dplyr)
require(stringr)
require(tidyr)  
data %>%
  mutate(sale = str_split(as.character(sale), "; ")) %>%
  unnest(sale) %>%
  mutate(sale = str_trim(sale)) %>%
  separate(sale, into = c("var", "val")) %>%
  spread(var, val)

但是，如果我们将第二排商店类型更改为“A”，我们会因此而收到错误。像：

data2 <- 
  data.frame(
    shoptype=c("A","A","B"),
    city=c("bah", "bah", "slah"),
    sale=c("type cheese; price 200", "type ham; price 150","type cheese; price 100" )) %>%
  tbl_df()
data2 %>%
  mutate(sale = str_split(as.character(sale), "; ")) %>%
  unnest(sale) %>%
  mutate(sale = str_trim(sale)) %>%
  separate(sale, into = c("var", "val")) %>%
  spread(var, val)
Error: Duplicate identifiers for rows (2, 4), (1, 3)

我试图用一个唯一的 id 解决这个问题（再次查看链接的 SO 答案）：

data2 %>%
  mutate(sale = str_split(as.character(sale), "; ")) %>%
  unnest(sale) %>%
  mutate(sale = str_trim(sale),
         v0=rownames(.)) %>%
  separate(sale, into = c("var", "val")) %>%
  spread(var, val)
Source: local data frame [6 x 5]

  shoptype city v0 price   type
1        A  bah  1    NA cheese
2        A  bah  2   200     NA
3        A  bah  3    NA    ham
4        A  bah  4   150     NA
5        B slah  5    NA cheese
6        B slah  6   100     NA

这给出了我无法弄清楚如何收集的结构缺失数据，如上面我想要的输出中所述。

我想我真的错过了 tidyr 范围内的东西（我希望！）。

4

3 回答 3

6

我认为没有必要使用tidyr::unnestand tidyr::gather。stringr::str_replace这是一个专注于和的替代解决方案tidyr::separate：

library(dplyr)
library(stringr)
library(tidyr)

data2 %>%
  mutate(
    sale = str_replace(sale, "type ", ""),
    sale = str_replace(sale, " price ", "")
    ) %>%
  separate(sale, into = c("type", "price"), sep = ";") 

# Source: local data frame [3 x 4]

#   shoptype city   type price
# 1        A  bah cheese   200
# 2        A  bah    ham   150
# 3        B slah cheese   100
于 2015-03-20T17:28:34.150 回答
4

拆分前添加二级ID：

data2 %>%
  group_by(shoptype, city) %>%
  mutate(id2 = sequence(n())) %>%
  mutate(sale = str_split(as.character(sale), "; ")) %>%
  unnest(sale) %>%
  mutate(sale = str_trim(sale)) %>%
  separate(sale, into = c("var", "val")) %>%
  spread(var, val)
# Source: local data frame [3 x 5]
# 
#   shoptype city id2 price   type
# 1        A  bah   1   200 cheese
# 2        A  bah   2   150    ham
# 3        B slah   1   100 cheese

如果你使用我的“splitstackshape”包中的一些函数，代码可以变得更紧凑：

as.data.frame(data2) %>%
  getanID(c("shoptype", "city")) %>%
  cSplit("sale", ";", "long") %>%
  cSplit("sale", " ") %>%
  spread(sale_1, sale_2)
#    shoptype city .id price   type
# 1:        A  bah   1   200 cheese
# 2:        A  bah   2   150    ham
# 3:        B slah   1   100 cheese
于 2015-03-20T17:28:09.730 回答
4

上面有两个很好的答案，但认为这是一个非常好的情况extract

data2 %>%
  extract(sale, c("type", "price"), "type (.+); price (.+)", convert = TRUE)
于 2015-03-20T17:43:48.900 回答