将字符串作为向量读取 Julia

Question

我目前有一个Julia数据框如下所示：

A	B
"[1,2]"	"[3,4]"

我想把它转换成以下格式：

A1	A2	B1	B2
1	2	3	4

或者是这样的格式（其中向量不再是字符串）。

| A | B | |---|---| |[1,2]|[3,4]| 有没有什么办法可以做到这一点？我已经看了一些帖子，其中有人试图将形式为["1","2"]的向量转换为[1,2]的形式，但没有与我类似的内容。

谢谢你的帮助。

- numbersguy132

Answer 1

这里是一个示例，说明如何实现它：

julia> using DataFrames

julia> df = DataFrame(A="[1,2]", B="[3,4]")
1×2 DataFrame
 Row │ A       B
     │ String  String
─────┼────────────────
   1 │ [1,2]   [3,4]

julia> select(df, [:A, :B] .=>
                  ByRow(x -> parse.(Int, split(chop(x, head=1, tail=1), ','))) .=>
                  [[:A1, :A2], [:B1, :B2]])
1×4 DataFrame
 Row │ A1     A2     B1     B2
     │ Int64  Int64  Int64  Int64
─────┼────────────────────────────
   1 │     1      2      3      4

如果有需要解释的内容，请在评论中询问。

- Bogumił Kamiński

Answer 2

定义

# WARNING: `parsedf` parses/evaluates input text and
# is therefore an infosec weakness. Should be used only
# with properly vetted input.

parsedf(df) = DataFrame([c=>eval.(Meta.parse.(df[:,c])) 
                         for c in names(df)])

spreaddf(df) = DataFrame([c*"$i" => get.(df[:, c],i,missing) 
                          for (c, i) in vcat([[(names(df)[i],j)
                          for j=1:L] 
                          for (i,L) in enumerate([maximum(length.(df[:,i])) 
                          for i in 1:ncol(df)])]...)]...)

现在，

julia> df = DataFrame(A=["[1,2]"],B=["[3,4]"])
1×2 DataFrame
 Row │ A       B      
     │ String  String 
─────┼────────────────
   1 │ [1,2]   [3,4]

julia> spreaddf(parsedf(df))
1×4 DataFrame
 Row │ A1     A2     B1     B2    
     │ Int64  Int64  Int64  Int64 
─────┼────────────────────────────
   1 │     1      2      3      4

看起来做到了。

另外，

julia> spreaddf(parsedf(DataFrame(A=["[1,2]","[5,6]"], B=["[3,4]","[7,8,9]"])))
2×5 DataFrame
 Row │ A1     A2     B1     B2     B3      
     │ Int64  Int64  Int64  Int64  Int64?  
─────┼─────────────────────────────────────
   1 │     1      2      3      4  missing 
   2 │     5      6      7      8        9

看起来很合适。

- Dan Getz

---

请注意，OP在源数据框的单元格中使用了字符串而不是向量。很可能OP将向量的向量保存到CSV数据框中，然后再读取它。实际上，最好使用Arrow.jl来保存这样的数据。 - Bogumił Kamiński

感谢@BogumiłKamiński指出缺失的OP细微差别。已经进行了修复（在信息安全方面相当危险，但这不是请求的一部分）。 - Dan Getz

值得强调@DanGetz关于信息安全的评论。这里的代码调用了Meta.parse。这几乎肯定是OP所要求的，但绝对不是他们应该要求的。使用通用解析器解析用户输入非常危险，即使在一次性情况下（因为这种代码往往超出预期）。请参见最近的log4j事件，以清楚地说明让这种事情进入代码库看似无害的例子。 - Ted Dunning