如何在R中将一个单元格拆分为多列

Question

这是我的一个列的样子：

信息
姓名：安吉拉 姓氏：史密斯 年龄：22 城市：洛杉矶
姓名：安德鲁 姓氏：D'ONOFRIO 年龄：47 城市：纽约市

我想创建四列：

姓名	姓氏	年龄	城市
安吉拉	史密斯	22	洛杉矶
安德鲁	D'ONOFRIO	47	纽约市

我了解到我们可以使用tidyverse中的“separate”函数，这是我尝试的内容。

library(tidyr)
library(tidyverse)

df <- infos %>% separate(Infos, c("NAME", "SURNAME","AGE","CITY"))

但这是输出结果：

名字	姓氏	年龄	城市
名字	安吉拉	姓氏	史密斯
名字	安德鲁	姓氏	多诺弗里奥

那么我想了解如何让R知道它需要分隔什么。也许这个话题已经在这里被讨论过了（但我没有找到），所以如果需要的话，请随时引导我！

- katdataecon

Answer 1

1) 提取 使用所示的模式来提取数据。即使测试数据字段内容中没有空格，但是即使有空格这个方法也可以正常工作。

library(dplyr)
library(tidyr)

pat <- "NAME: *(.*) SURNAME: *(.*) AGE: *(.*) CITY: *(.*)"
dat %>% 
  extract(Infos, c("NAME", "SURNAME", "AGE", "CITY"), pat, convert = TRUE)
##     NAME   SURNAME AGE CITY
## 1 ANGELA     SMITH  22   LA
## 2 ANDREW D'ONOFRIO  47  NYC

2) Base R 如果只使用base R，我们可以得到下面这个通用解决方案，即使列数或列名发生更改，该解决方案也将继续起作用。即使字段内容中有空格，它也能正常工作。它通过将“ Infos”转换为dcf格式，然后使用read.dcf函数进行读取来实现。

dat |>
  with(gsub("(\\w+:)", "\n\\1", Infos)) |>
  textConnection() |>
  read.dcf() |>
  as.data.frame() |>
  type.convert(as.is = TRUE)
##     NAME   SURNAME AGE CITY
## 1 ANGELA     SMITH  22   LA
## 2 ANDREW D'ONOFRIO  47  NYC

注意

将数据以可重复的形式呈现：

dat <-
structure(list(Infos = c("NAME: ANGELA SURNAME:SMITH AGE:22 CITY: LA", 
"NAME: ANDREW SURNAME: D'ONOFRIO AGE:47 CITY: NYC")), class = "data.frame", row.names = c(NA, 
-2L))

- G. Grothendieck

Answer 2

一种更多的策略。

df <- structure(list(Infos = c("NAME: ANGELA SURNAME:SMITH AGE:22 CITY: LA", 
                           "NAME: ANDREW SURNAME: D'ONOFRIO AGE:47 CITY: NYC")), class = "data.frame", row.names = c(NA, 
                                                                                                                     -2L))
library(tidyverse)

df %>%
  mutate(Infos = gsub('\\:\\s*', ':', Infos)) %>%
  separate_rows(Infos, sep = '\\s') %>%
  separate(Infos, into = c('N', 'V'), sep = ':') %>%
  pivot_wider(names_from = N, values_from = V, values_fn = list) %>%
  unnest(everything())
#> # A tibble: 2 x 4
#>   NAME   SURNAME   AGE   CITY 
#>   <chr>  <chr>     <chr> <chr>
#> 1 ANGELA SMITH     22    LA   
#> 2 ANDREW D'ONOFRIO 47    NYC

^{这段文字是由 reprex package (v2.0.0) 于2021年7月15日创建的}

- AnilGoyal

Answer 3

使用strcapture的基本R选项 -

strcapture('NAME:\\s*(.*)\\s*SURNAME:\\s*(.*)\\s*AGE:\\s*(.*)\\s*CITY:\\s*(.*)', 
           infos$Infos, proto = list(NAME = character(), 
           SURNAME = character(), AGE = numeric(), CITY = character()))

#    NAME    SURNAME  AGE CITY
#1 ANGELA      SMITH   22   LA
#2 ANDREW  D'ONOFRIO   47  NYC

- Ronak Shah

Answer 4

这里有一种使用str_squish、str_replace_all和separate的解决方案。

library(dplyr)
library(stringr)
df %>% 
  mutate(Infos = str_squish(str_replace_all(Infos, ":", " "))) %>% 
  separate(Infos, c("helper1", "Name", "helper2", "Surname", "helper3", "Age", "helper4","City"), sep = " ") %>%
  select(-starts_with("helper"))

输出：

  Name   Surname   Age   City 
  <chr>  <chr>     <chr> <chr>
1 ANGELA SMITH     22    LA   
2 ANDREW D'ONOFRIO 47    NYC  

- TarJae

Answer 5

你可以插入虚拟列，然后将其删除。

tibble(dat=c("NAME: ANGELA SURNAME:SMITH AGE:22 CITY: LA", 
             "NAME: ANDREW SURNAME: DONOFRIO AGE:47 CITY: NYC")) %>% 
    separate(dat, c("DEL1", "NAME", "DEL2", "SURNAME", "DEL3", "AGE", "DEL4", "CITY")) %>% 
    select(-DEL1, -DEL2, -DEL3, -DEL4)

 NAME   SURNAME  AGE   CITY 
 ANGELA SMITH    22    LA   
 ANDREW DONOFRIO 47    NYC  

- M.Viking