5

考虑以下数据集：

dt <- structure(list(lllocatie = structure(c(1L, 6L, 2L, 4L, 3L), .Label = c("Assen", "Oosterwijtwerd", "Startenhuizen", "t-Zandt", "Tjuchem", "Winneweer"), class = "factor"), 
                 lat = c(52.992, 53.32, 53.336, 53.363, 53.368), 
                 lon = c(6.548, 6.74, 6.808, 6.765, 6.675), 
                 mag.cat = c(3L, 2L, 1L, 2L, 2L), 
                 places = structure(c(2L, 4L, 5L, 6L, 3L), .Label = c("", "Amen,Assen,Deurze,Ekehaar,Eleveld,Geelbroek,Taarlo,Ubbena", "Eppenhuizen,Garsthuizen,Huizinge,Kantens,Middelstum,Oldenzijl,Rottum,Startenhuizen,Toornwerd,Westeremden,Zandeweer", "Loppersum,Winneweer", "Oosterwijtwerd", "t-Zandt,Zeerijp"), class = "factor")),
            .Names = c("lllocatie", "lat", "lon", "mag.cat", "places"), 
            class = c("data.table", "data.frame"), 
            row.names = c(NA, -5L))

当我想将最后一列中的字符串拆分为单独的行时，我使用（data.table版本1.9.5+）：

dt.new <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=list(lllocatie,lat,lon,mag.cat)]

但是，当我使用：

dt.new2 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=lllocatie]

我得到了相同的结果，除了所有列都被强制转换为字符变量。问题在于，对于小型数据集，指定不必在参数中拆分的变量不是一个大问题by，但对于具有许多列/变量的数据集，它是一个大问题。我知道可以使用splitstackshape包来做到这一点（正如@ColonelBeauvel 在他的回答中提到的那样），但我正在寻找data.table解决方案，因为我想将更多操作链接到此。

如果不手动指定不必在参数中拆分的变量，如何防止这种情况发生by？

4

2 回答 2

6

两种解决方案data.table：

1：使用@Arun建议的type.convert=TRUE内部参数：tstrsplit()

dt.new1 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE, type.convert=TRUE))), by=lllocatie]

2：setdiff(names(dt),"places")在by@Frank 提出的论点中使用：

dt.new2 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=setdiff(names(dt),"places")]

两种方法都给出相同的结果：

> identical(dt.new1,dt.new2)
[1] TRUE

第二种解决方案的优点是，当您有多个包含字符串值的列时，只有您指定的列setdiff(names(dt),"places")被拆分（假设您只想要那个特定的列，在这种情况下places，拆分）。该splitstackshape软件包也提供了这一优势。

于 2015-07-22T18:17:19.493 回答
5

这正是cSplitfrom splitstackshapepackage 的工作：

library(splitstackshape)

cSplit(dt, 'places', ',')
于 2015-07-22T16:14:56.417 回答