首页 文章

R：琴弦上的头/尾

提问于
浏览 次
0

我需要重新解释我的问题，因为我没有在我的数据框中包含其他类型的数据，这会在使用空格分割时导致很多问题 . 我真的很抱歉！

重要提示：整个数据集中不能信任空白，因为它们以不稳定的方式出现，即使在相同类型的日期中也是如此（在我的示例中为type1a，type1b）

df <- data.table(v=c( "       555 OUT XYZ STR44W PASSED TRUE",   #interesting data type1
                      "       A 45 OUT XYW STR44W PASSED TRUE",
                      "       555 OUT XYZ STR55W PASSED TRUE",
                      "       6755 OUT XYZ 4444W PASSED TRUE",
                      "  75/850CC/PF                         ",   #eratic data to be ignored
                      " BY HHU 56TT00 6 415 UP HHU 88H900   ",   #interesting data type2
                      "       555 OUT WWWZ STR44W PASSED TRUE"))

期望的结果：

T1  T2  T1_V1   T1_V2   T1_V3   T2_V1   T2_V2   T2_V3   T2_V4 T2_V5
1   0   555     XYZ     STR44W  NA      NA      NA      NA    NA
1   0   A 45    XYW     STR44W  NA      NA      NA      NA    NA
1   0   555     XYZ     STR55W  NA      NA      NA      NA    NA
1   0   6755    XYZ     4444W   NA      NA      NA      NA    NA
0   0   NA      NA      NA      NA      NA      NA      NA    NA
0   1   NA      NA      NA      HHU     56TT00  6 415   HHU   88H900
1   0   555     NA      STR44W  NA      NA      NA      NA    NA

现在为type1数据解决方案：library（data.table）

df < - data.table（v = c（“555 OUT XYZ STR44W PASSED TRUE”，＃Type1a“A 45 OUT XYW STR44W PASSED TRUE”，＃Type1b“555 OUT XYZ STR55W PASSED TRUE”，＃Type1a“6755 OUT XYZ 4444W PASSED TRUE“，＃Type1a”75 / 850CC / PF“，＃!!新系列的古老数据”BY HHU 56TT00 6 415 UP HHU 88H900“，＃Type2”555 OUT WWWZ STR44W PASSED TRUE“））＃Type1a

df$T1<-0
df$T1[grepl("PASSED TRUE", df$v)]<-1
df$T1_V1[df$T1==1]<-df$T1_V1
df$T1_V1[df$T1==1] <-gsub("\\OUT.*","",df$v) #Getting rid of the everything after "OUT"
df$T1_V2[df$T1==1]<-gsub(".*\\OUT","",df$v)#Getting rid of the everything before "OUT"
df$T1_V2 <-gsub("\\PASSED.*","",df$T1_V2) #Getting rid of the everything after "PASSED"
df$T1_V2<-strsplit(df$T1_V2, "[[:blank:]*]") # Seperation of the two relevant strings by stringsplit
df$T1_V2<- lapply(df$T1_V2, head)

问题：stringplit允许在单个具有更多空格的异常数据结构后选择正确的块

- > gsub字符串向下是额外的努力，但对于一些数据，这是确保不稳定的空白不会弄乱变量的唯一方法

- >如何将df $ T1_V2转换回普通字符变量而不留空格？

老问题：

第一篇文章，我尽我所能找到答案并准备我的问题 .

我需要清理一个令人讨厌的字符串，其中有很多空格不规则 . 我尝试在“OUT”之前获得第一个块，在“OUT”和“PASSED”之间获得第二个和第三个块 . 之后，应使用列表检查数据，以控制v4是否正确 .

使用stringsplit和afterwars头/尾不起作用，我将非常感谢任何帮助！提前谢谢了

library(data.table)

df <- data.table(v=c("       555 OUT XYZ STR44W PASSED TRUE",
                                  "       A 45 OUT XYW STR44W PASSED TRUE",
                                  "       555 OUT XYZ STR55W PASSED TRUE",
                                  "       6755 OUT XYZ 4444W PASSED TRUE",
                                  "       555 OUT WWWZ STR44W PASSED TRUE"))
control <-data.table(control=c("XYZ","PPO","XMX","WWWZ"))

df$v1 <-gsub("\\OUT.*","",df$v) #Getting rid of the everything after "OUT"
df$v2<-gsub(".*\\OUT","",df$v) #Getting rid of the everything before "OUT"
df$v2 <-gsub("\\PASSED.*","",df$v2) #Getting rid of the everything after "PASSED"
df$v2<-strsplit(df$v2, "[[:blank:]*]") # Seperation of the two relevant strings by stringsplit
df$v3<- lapply(df$v2, head) #Taking the first element from the stringsplit 
df$v4<- lapply(df$v2, head,2) #Taking the second element from the stringsplit

运行之后，在r-studio中我得到v（“”，“XYZ”）为v4 . 第一个元素似乎是一个空元素？我无法通过直接从我的控制列表（fail1）控制，也不能通过转换（fail2）或unlist（fail3）来继续使用该表达式

#fail#1
df$v4[!(df$v4 %in% control$control)] <- NA

#fail#2
df$v4 <- as.character(df$v4)

#fail3
df$v4 <- unlist(df$v4)
r strsplit

2 回答

  • 0

    这适用于您当前的数据，使其更整洁 .

    library(data.table)

df <- data.table(v=c("       555 OUT XYZ STR44W PASSED TRUE",
                                  "       A 45 OUT XYW STR44W PASSED TRUE",
                                  "       555 OUT XYZ STR55W PASSED TRUE",
                                  "       6755 OUT XYZ 4444W PASSED TRUE",
                                  "       555 OUT WWWZ STR44W PASSED TRUE"))
control <-data.table(control=c("XYZ","PPO","XMX","WWWZ"))

df$v1 <-gsub("\\OUT.*","",df$v) #Getting rid of the everything after "OUT"
df$v2<-gsub(".*\\OUT","",df$v) #Getting rid of the everything before "OUT"

    修剪空白并用空格分割，然后将其cbind到当前的df . 然后我们可以重命名列，以便更容易导航 .

    lists <- strsplit(trimws(df$v2), " ")
extra <- data.frame(do.call(rbind, lists))
newdf <- cbind(df, extra)
colnames(newdf) <- c("full string", paste0("piece_", 1:6))

newdf
                              full string      piece_1                  piece_2 piece_3 piece_4 piece_5 piece_6
1:         555 OUT XYZ STR44W PASSED TRUE         555    XYZ STR44W PASSED TRUE     XYZ  STR44W  PASSED    TRUE
2:        A 45 OUT XYW STR44W PASSED TRUE        A 45    XYW STR44W PASSED TRUE     XYW  STR44W  PASSED    TRUE
3:         555 OUT XYZ STR55W PASSED TRUE         555    XYZ STR55W PASSED TRUE     XYZ  STR55W  PASSED    TRUE
4:         6755 OUT XYZ 4444W PASSED TRUE        6755     XYZ 4444W PASSED TRUE     XYZ   4444W  PASSED    TRUE
5:        555 OUT WWWZ STR44W PASSED TRUE         555   WWWZ STR44W PASSED TRUE    WWWZ  STR44W  PASSED    TRUE
    回复于
  • 0

    我并不完全明白你的最终结果要求是什么 . 您不需要在每一步都使用 gsub . 您可以按 space 拆分所有内容，然后选择需要进一步操作的列 .

    library(tidyr)
library(splitstackshape) # cSplit function    

df_selected <- df %>% cSplit("v", " ") %>% select(v_1,v_3,v_4,v_6)

control <-data.table(control=c("XYZ","PPO","XMX","WWWZ"))
filter(df_selected, v_3 %in% control$control)
    回复于

相关问题