将不规则文本列拆分为多个列r

Question

我试图用'_'作为分隔符将列拆分成多个列。我在这里尝试了解决方案：

Splitting a dataframe string column into multiple different columns

在我的情况下，这个问题似乎是，“分隔”的文本段数跨行变化（范围为3〜5），因为我不断地得到错误每当我尝试拆分字符串，然后转换为矩阵或数据框。下面是可以复制成R的例子：

example<-structure(list(c1 = c(1, 2, 3), temp2 = structure(c(3L, 1L, 2L 
), .Label = c("TR117_1119_HI_33", "TR504_1115_Su1_Y_4", "TR9_0817_2" 
), class = "factor")), .Names = c("c1", "temp2"), row.names = c(NA, 
-3L), class = "data.frame") 

对于这个例子，最终我想“TEMP2”列在每个被parced“_”，以产生以下：

> Output 
    new1 new2 new3 new4 new5 
1 TR9 0817 2 NA NA 
2 TR117 1119 HI 33 NA 
3 TR504 1115 Su1 Y 4 

这是据我已经得到了，而不会在一个错误：

example$temp3<-as.character(example$temp2) 
test<-strsplit(example$temp3,"_") 

我需要按行用一个for循环做这行还是有一个更优雅的解决方案？

Answer 1

你可以使用tidyr的separate()

tidyr::separate(example[-1], temp2, paste0("new", 1:5), "_", fill = "right") 
# new1 new2 new3 new4 new5 
# 1 TR9 0817 2 <NA> <NA> 
# 2 TR117 1119 HI 33 <NA> 
# 3 TR504 1115 Su1 Y 4 

添加convert = TRUE，如果你想为新列转换为它们相应的类型。

Answer 2

我们也可以使用tstrsplit从library(data.table)

library(data.table)#v1.9.6+ 
setnames(setDT(example)[, tstrsplit(temp2, '_')], paste0('new', 1:5))[] 
# new1 new2 new3 new4 new5 
#1: TR9 0817 2 NA NA 
#2: TR117 1119 HI 33 NA 
#3: TR504 1115 Su1 Y 4 

注：也有type.convert的参数，它可以转换为相应的类型。

---

从 library(splitstackshape)

library(splitstackshape) 
cSplit(example, 'temp2', '_')[,c1:=NULL][] 

或者cSplit和更改与上面setnames列名。

---

或者使用read.table从base R

read.table(text=as.character(example$temp2), sep="_", na.strings='', 
       stringsAsFactors=FALSE,fill=TRUE, col.names=paste0('new', 1:5)) 
# new1 new2 new3 new4 new5 
#1 TR9 817 2 <NA> NA 
#2 TR117 1119 HI 33 NA 
#3 TR504 1115 Su1 Y 4