我有一个大型数据框(20 列,>100k 行),需要将一列字符串拆分为多个新列。
相关列的前 3 个观察结果如下:
scans <- data.frame(scan = c("CT Cervical Sp,CT Head Plain", "II < 1 Hour",
"L-S Spine,L-S Spine"))
看起来像这样:
scan
1 CT Cervical Sp,CT Head Plain
2 II < 1 Hour
3 L-S Spine,L-S Spine
我需要将其分成 5 列(每个观察中最多有 5 个子字符串),对于子字符串较少的观察,我希望剩余的列填充 NA。我目前正在使用此代码:
scans <- data.frame(scan = c("CT Cervical Sp,CT Head Plain", "II < 1 Hour",
"L-S Spine,L-S Spine"))
for(i in 1:nrow(scans)){
scans$scan1[i] <- strsplit(scans$scan, ",")[[i]][1]
scans$scan2[i] <- strsplit(scans$scan, ",")[[i]][2]
scans$scan3[i] <- strsplit(scans$scan, ",")[[i]][3]
scans$scan4[i] <- strsplit(scans$scan, ",")[[i]][4]
scans$scan5[i] <- strsplit(scans$scan, ",")[[i]][5]
}
它可以工作并输出我想要的解决方案:
scan scan1 scan2 scan3 scan4 scan5
1 CT Cervical Sp,CT Head Plain CT Cervical Sp CT Head Plain NA NA NA
2 II < 1 Hour II < 1 Hour NA NA NA NA
3 L-S Spine,L-S Spine L-S Spine L-S Spine NA NA NA
...但是速度真的很慢。循环数万或数十万个观察结果非常耗时。
非常感谢您的建议。
最佳答案
另一种方法是在devel version中使用tstrsplit
data.table
library(data.table) # v >= 1.9.5
setDT(scans)[, tstrsplit(scan, ",", fixed = TRUE)]
# V1 V2
# 1: CT Cervical Sp CT Head Plain
# 2: II < 1 Hour NA
# 3: L-S Spine L-S Spine
如果您确定至少有一次 5 次拆分,您可以通过引用轻松创建这些列
setDT(scans)[, paste0("scan", 1:5) := tstrsplit(scan, ",")]
<小时/>
或者,tidyr
包提供类似的功能
library(tidyr)
separate(scans, scan, paste0("scan", 1:2), ",", extra = "merge", remove = FALSE)
# scan scan1 scan2
# 1 CT Cervical Sp,CT Head Plain CT Cervical Sp CT Head Plain
# 2 II < 1 Hour II < 1 Hour <NA>
# 3 L-S Spine,L-S Spine L-S Spine L-S Spine
<小时/>
或者仅使用base R
的另一个选项
cbind(scans, read.table(text= as.character(scans$scan),sep=",", fill=TRUE, na.strings=''))
关于r - 在 R 中分割字符串时有效替换 for 循环,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31404982/