我有一个像这样的数据框:
foo=data.frame(Point.Type = c("Zero Start","Zero Start", "Zero Start", "3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww","Zero Stop","Zero Start"),
Point.Value = c(NA,NA,NA,rnorm(3),NA,NA))
我想添加三列,通过使用分隔符 _
拆分第一列,并仅保留拆分后获得的数值。对于第一列不包含任何 _
的行,三个新列应为 NA
。我使用 separate
得到了一些接近,但这还不够:
> library(tidyr)
> bar = separate(foo,Point.Type, c("rpm_nom", "GVF_nom", "p0in_nom"), sep="_", remove = FALSE, extra="drop", fill="right")
> bar
Point.Type rpm_nom GVF_nom p0in_nom Point.Value
1 Zero Start Zero Start <NA> <NA> NA
2 Zero Start Zero Start <NA> <NA> NA
3 Zero Start Zero Start <NA> <NA> NA
4 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000rpm 10% 13barG -1.468033
5 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000rpm 10% 13barG 1.280868
6 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000rpm 10% 13barG 0.270126
7 Zero Stop Zero Stop <NA> <NA> NA
8 Zero Start Zero Start <NA> <NA> NA
我不确定为什么我的数据框现在包含两种明显不同的 NA
,但 is.na
似乎都喜欢它们,所以我可以忍受那。但是,我有两类问题:
- 新列应至少为
数字
,也可能为整数
。相反,它们是字符
,因为后面有rpm
、%
、barG
。我该如何摆脱这些? - 当
Point.Type
无法拆分时,rpm_nom
应该为NA
,而不是Zero Start
> 或零停止
。更改fill=
选项只会更改获得Zero Start
/Zero Stop
的新列之一。相反,我希望它们全部都是NA
。我怎样才能做到这一点?
注意:我正在使用 tidyr
,但如果您认为有更好的方法来执行此操作,当然您不需要这样做。
最佳答案
您可以使用 dplyr 对列进行后处理:
library(dplyr)
foo <- foo %>%
separate(Point.Type, c("rpm_nom", "GVF_nom", "p0in_nom"),
sep="_", remove = FALSE, extra="drop", fill="right") %>%
mutate_each(funs(as.numeric(gsub("[^0-9]","",.))), rpm_nom, GVF_nom, p0in_nom)
gsub("[^0-9]","",.)
部分删除所有非数字字符。如果您想阻止删除小数点,可以使用 [^0-9.]
而不是 [^0-9]
(就像@PierreLafortune在他的回答中使用的那样),但请注意,这也将包括不应该是小数点的点。通过将其包装在 as.numeric
中,您可以将它们转换为数值,同时将空单元格转换为 NA
。这给出了以下结果:
> foo
Point.Type rpm_nom GVF_nom p0in_nom Point.Value
1 Zero Start NA NA NA NA
2 Zero Start NA NA NA NA
3 Zero Start NA NA NA NA
4 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 -1.2361145
5 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 -0.8727960
6 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 3000 10 13 0.9685555
7 Zero Stop NA NA NA NA
8 Zero Start NA NA NA NA
或者使用data.table(由@DavidArenburg在评论中提供):
library(data.table)
setDT(foo)[, c("rpm_nom","GVF_nom","p0in_nom") :=
lapply(tstrsplit(Point.Type, "_", fixed = TRUE)[1:3],
function(x) as.numeric(gsub("[^0-9]","",x)))
]
会给出类似的结果:
> foo
Point.Type Point.Value rpm_nom GVF_nom p0in_nom
1: Zero Start NA NA NA NA
2: Zero Start NA NA NA NA
3: Zero Start NA NA NA NA
4: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww -0.09255445 3000 10 13
5: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 1.18581340 3000 10 13
6: 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww 2.14475950 3000 10 13
7: Zero Stop NA NA NA NA
8: Zero Start NA NA NA NA
这样做的好处是 foo
通过引用进行更新。由于这更快且内存效率更高,因此对于使用大型数据集特别有值(value)。
关于r - 从单个列创建多个列并清理结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35202797/