通过多个分隔符（保留它们）将列拆分为不等数量的列

Question

假设我有一个像这样的数据框（我的问题的简化、类似版本）：

ID <- c(1,2,3)
value <- c("1+4-3", "2+7-6+4-3", "-1+3")
df <- data.frame(ID, value)

ID  value
1   1+4-3
2   2+7-6+4-3
3   -1+3

我需要通过多个分隔符（

value

和

+

）将

-

列拆分为多列，同时将分隔符保留在单独的列中。

生成的数据框应该是这样的：

ID  x1  x2  x3  x4  x5   x6   x7   x8   x9
1   1   +   4   -   3    <NA> <NA> <NA> <NA>
2   2   +   7   -   6    +    4    -    3
3   -   1   +   3   <NA> <NA> <NA> <NA> <NA>

此外，我不知道需要多少个结果列（可能不是示例中的 9 个，而是 50 个）。

实现这一目标的最佳方法是什么？

谢谢

Answer 1

如果您的数字仅由

digits

组成，您可以尝试

df %>%
  mutate(value = str_extract_all(value, "\\d+|\\D")) %>%
  unnest(value) %>%
  mutate(name = seq_len(n()), .by = ID) %>%
  pivot_wider(names_prefix = "X")

这给出了

# A tibble: 2 × 10
     ID X1    X2    X3    X4    X5    X6    X7    X8    X9
  <dbl> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
1     1 1     +     4     -     3     NA    NA    NA    NA
2     2 2     +     7     -     6     +     4     -     3  

Answer 2

你可以这样做：

library(tidyverse)

df |>
  separate_longer_delim(cols = value, delim = regex("(?=\\+|-)")) |> 
  separate_longer_position(cols = value, width = 1) |> 
  mutate(pos = row_number(), .by = ID) |> 
  pivot_wider(values_from = value,
              names_from = "pos",
              names_prefix = "X")

# A tibble: 3 × 10
     ID X1    X2    X3    X4    X5    X6    X7    X8    X9   
  <int> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
1     1 1     +     4     -     3     NA    NA    NA    NA   
2     2 2     +     7     -     6     +     4     -     3    
3     3 -     1     +     3     NA    NA    NA    NA    NA    

Answer 3

我的做法：

ID <- c(1,2,3)
value <- c("1+4-3","2+7-6+4-3","25+110/2*214")
# added example 3 to show effect on numbers with >1 digit
df <- data.frame(ID,value)

df |> dplyr::mutate(
  X = lapply(value, \(x) {
    # split by word/nonword boundaries
    y <- stringr::str_split(x, pattern = "\\b", simplify = TRUE)
    # drop the empty first and last strings
    y[nzchar(y)]
  })) |> tidyr::unnest_wider(X, names_sep = "")

给予

# A tibble: 3 × 11
     ID value        X1    X2    X3    X4    X5    X6    X7    X8    X9   
  <dbl> <chr>        <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
1     1 1+4-3        1     +     4     -     3     NA    NA    NA    NA   
2     2 2+7-6+4-3    2     +     7     -     6     +     4     -     3    
3     3 25+110/2*214 25    +     110   /     2     *     214   NA    NA   

如果您将管道移至

unnest_wider

，您会得到这个，IMO 在某些方面可能会更整洁：

  ID        value                         X
1  1        1+4-3             1, +, 4, -, 3
2  2    2+7-6+4-3 2, +, 7, -, 6, +, 4, -, 3
3  3 25+110/2*214  25, +, 110, /, 2, *, 214

Answer 4

您可以使用

separate_wider_delim()

中的

tidyr

:

library(tidyverse)

df %>%
  rename(x = value) %>%
  separate_wider_delim(x,
                       delim = stringr::regex("(?<=\\d)(?=\\D)|(?<=\\D)(?=\\d)"),
                       too_few = "align_start",
                       names_sep = '')

# A tibble: 3 × 10
     ID x1    x2    x3    x4    x5    x6    x7    x8    x9   
  <dbl> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
1     1 1     +     4     -     3     NA    NA    NA    NA   
2     2 2     +     7     -     6     +     4     -     3    
3     3 -     1     +     3     NA    NA    NA    NA    NA

Answer 5

仅使用 r 基：

# Example data
ID <- c(1,2)
value <- c("1+4-3","2+7-6+4-3")
df <- data.frame(ID,value)

# max nchar
mrow <- max(nchar(df$value))

# split and arrange
df2 <- strsplit(df$value, split='')
df2 <- sapply(df2, function(x) c(x,rep(NA,mrow-length(x)))) # similar to fill=T in read.table

data.frame(ID=df$ID,t(df2))
  ID X1 X2 X3 X4 X5   X6   X7   X8   X9
1  1  1  +  4  -  3 <NA> <NA> <NA> <NA>
2  2  2  +  7  -  6    +    4    -    3