按组取消列的列表

6

I have a dataframe in the following format:

id | name               | logs                                  
---+--------------------+-----------------------------------------
84 |          "zibaroo" |                             "C47931038" 
12 | "fabien kelyarsky" | c("C47331040", "B19412225", "B18511449")
96 |     "mitra lutsko" |              c("F19712226", "A18311450")
34 |       "PaulSandoz" |                             "A47431044" 
65 |       "BeamVision" |                             "D47531045" 

如您所见,“日志”列中每个单元格都包含字符串向量。

是否有一种有效的方法将数据框转换为长格式(每行一个观测值),而无需将“日志”分成多个列的中间步骤?

这很重要,因为数据集非常大,每个人的日志数量似乎是任意的。

换句话说,我需要以下内容:

id | name               | log                                 
---+--------------------+------------
84 |          "zibaroo" | "C47931038" 
12 | "fabien kelyarsky" | "C47331040"
12 | "fabien kelyarsky" | "B19412225"
12 | "fabien kelyarsky" | "B18511449"
96 |     "mitra lutsko" | "F19712226"
96 |     "mitra lutsko" | "A18311450"
34 |       "PaulSandoz" | "A47431044" 
65 |       "BeamVision" | "D47531045" 

这是一个真实数据框一部分的dput

structure(list(id = 148:157, name = c("avihil1", "Niarfe", "doug henderson", 
"nick tan", "madisp", "woodbusy", "kevinhcross", "cylol", "andrewarrow", 
"gstavrev"), logs = list("Z47331572", "Z47031573", c("F47531574", 
"B195945", "D186871", "S192939", "S182865", "G19539045"), c("A47231575", 
"A190933", "C181859"), "F47431576", c("B47231577", "D193936", 
"Q184862"), "Y47331579", c("A47531580", "Z195944", "B185870"), 
"N47731581", "E47231582")), .Names = c("id", "name", "logs"
), row.names = 149:158, class = "data.frame")

请提供您数据的dput - SabDeM
1
这真的是文本文件的样子吗?还是你对R数据对象可能包含的内容的想象?如果是后者,那么你应该发布dput(object)的输出。 - IRTFM
1
你可能需要使用 library(splitstackshape); cSplit(data, 'log', ',', direction = 'long') - Veerendra Gadekar
@SabDeM,@BondedDuest:我添加了dput - retrography
3个回答

9

在这里,使用来自splitstackshapelistCol_l可能是一个很好的选择,因为data.frame中的"logs"列是一个list

library(splitstackshape)
listCol_l(df, 'logs')

 #    id           name   logs_ul
 #1: 148        avihil1 Z47331572
 #2: 149         Niarfe Z47031573
 #3: 150 doug henderson F47531574
 #4: 150 doug henderson   B195945
 #5: 150 doug henderson   D186871
 #6: 150 doug henderson   S192939
 #7: 150 doug henderson   S182865
 #8: 150 doug henderson G19539045
 #9: 151       nick tan A47231575
#10: 151       nick tan   A190933
#11: 151       nick tan   C181859
#12: 152         madisp F47431576
#13: 153       woodbusy B47231577
#14: 153       woodbusy   D193936
#15: 153       woodbusy   Q184862
#16: 154    kevinhcross Y47331579
#17: 155          cylol A47531580
#18: 155          cylol   Z195944
#19: 155          cylol   B185870
#20: 156    andrewarrow N47731581
#21: 157       gstavrev E47231582

8

这是 tidyr 的完美应用案例:

library(tidyr)
library(dplyr)
dat %>% unnest(logs)

问题在于(我刚注意到这一点),有些成员没有日志(日志变量为 null 或者为空的向量/列表)。Unnest 抑制了这些记录,并且似乎没有提供任何覆盖此默认行为的选项。有什么建议吗? - retrography
1
你可以尝试先将它们更改为NA - dat $ logs [sapply(dat $ logs,length)== 0] <- NA,然后再进行unnest调用。 - jeremycg
我总是忘记在R中NA和NULL是两个不同的东西。这是一种不好的与数据库相关的习惯。谢谢。运行得很好。 - retrography

7

只是展示另一个选项

library(data.table)
setDT(df)[, .(logs = unlist(logs)), by = .(id, name)]

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文,
原文链接