根据实际行的单元格中数组中的值创建重复行

Question

我有一个数据集，每一行都有一个包含元素数组的单元格。我想将该数组分解为单独的元素，并将行复制与数组长度一样多的次数，并逐个填充数组元素代替数组。

我有什么：

示例 A 列	B列
名字 1	[“A”、“B”、“C”]

我想要的：

示例 A 列	B列
名字 1	“A”
名字 1	“乙”
名字 1	“C”

R 或 Python 代码优先，但 Excel 也可以工作

Answer 1

你可以用

data.table

做到这一点。

df = data.table(colA = "name 1",
                 colB = "[\"A\", \"B\", \"C\"]")

df[,.(colA, 
      colB = sapply(tstrsplit(gsub("[[:punct:]]","",colB)," "), `[` ))]

输出

     colA   colB
   <char> <char>
1: name 1      A
2: name 1      B
3: name 1      C

Answer 2

此方法的工作流程如下：

1. str_replace_all()

   从

   stringr

   包中删除所有特殊字符

2. separate_wider_delim()

   将每个字母分成单独的列

3. pivot_longer()

   为每个组的每个值创建行

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

# Example dataframe based on your example
df <- data.frame(colA = "name 1",
                 colB = "[\"A\", \"B\", \"C\"]")

df %>% 
  mutate(colB = str_replace_all(colB, "[[:punct:]]", "")) %>%
  separate_wider_delim(colB, 
                       " ", 
                       names = c(paste0("col", (1:3))),
                       too_few = "align_start") %>%
  pivot_longer(!colA, values_to = "colB") %>%
  select(-name)
# A tibble: 3 × 2
#  colA   colB
#  <chr>  <chr>
# 1 name 1 A    
# 2 name 1 B    
# 3 name 1 C 

# Example dataframe with varying list lengths (in case values in "colB" vary)
df <- data.frame(colA = c("name 1", "name 2"),
                 colB = c("[\"A\", \"B\", \"C\"]",
                          "[\"A\", \"B\", \"C\"], \"D\"]"))

df %>% 
  mutate(colB = str_replace_all(colB, "[[:punct:]]", "")) %>%
  separate_wider_delim(colB, 
                       " ", 
                       names = c(paste0("col", (1:4))),
                       too_few = "align_start") %>%
  pivot_longer(!colA, values_to = "colB") %>%
  filter(!is.na(colB)) %>%
  select(-name)
  
# A tibble: 7 × 2
#  colA   colB 
#  <chr>  <chr>
# 1 name 1 A    
# 2 name 1 B    
# 3 name 1 C    
# 4 name 2 A    
# 5 name 2 B    
# 6 name 2 C    
# 7 name 2 D

请注意，如果您在“colB”中的字符长度不同，则

too_few = "align_start"

。此外，您可能需要编辑

names = c(paste0("col", (1:n)))

，其中n是“colB”中值的最大长度。

Answer 3

我知道这不是首选，但您可以使用 excel 中的公式：

=LET(string,  B1,
     clean,   MID(string,2,LEN(string)-2),
     split,   TEXTSPLIT(clean,,", "),
HSTACK( EXPAND(A1,
        ROWS(split),
        ,
        A1),
        split))

其中

B1

中的字符串从第一个和最后一个字符

[

和

]

中删除。 而不是拆分成一个单独的字符串数组。

A1中的值展开的次数等于创建数组的行数。

这两个水平堆叠在一起就是想要的结果。