提问人：jkebinger 提问时间：12/4/2010 最后编辑：David Arenburgjkebinger 更新时间：9/28/2023 访问量：589579
将数据框字符串列拆分为多个列
Split data frame string column into multiple columns
问：
我想获取表格的数据
before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
attr type
1 1 foo_and_bar
2 30 foo_and_bar_2
3 4 foo_and_bar
4 6 foo_and_bar_2
并在上面的 “” 列上使用，得到如下结果：split()type
attr type_1 type_2
1 1 foo bar
2 30 foo bar_2
3 4 foo bar
4 6 foo bar_2
我想出了一些令人难以置信的复杂的东西，涉及某种形式的工作，但后来我把它放错了地方。这似乎太复杂了，不是最好的方法。我可以按如下方式使用，但随后不清楚如何将其恢复到数据框中的 2 列中。applystrsplit
> strsplit(as.character(before$type),'_and_')
[[1]]
[1] "foo" "bar"
[[2]]
[1] "foo" "bar_2"
[[3]]
[1] "foo" "bar"
[[4]]
[1] "foo" "bar_2"
感谢您的任何指示。我还没有完全摸索 R 列表。
答：
46赞
IRTFM
12/4/2010
#1
请注意，带有“[”的 sapply 可用于提取这些列表中的第一项或第二项，以便：
before$type_1 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 1)
before$type_2 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 2)
before$type <- NULL
下面是一个 gsub 方法：
before$type_1 <- gsub("_and_.+$", "", before$type)
before$type_2 <- gsub("^.+_and_", "", before$type)
before$type <- NULL
18赞
Gavin Simpson
12/4/2010
#2
一个简单的方法是使用和功能：sapply()[
before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
out <- strsplit(as.character(before$type),'_and_')
例如：
> data.frame(t(sapply(out, `[`)))
X1 X2
1 foo bar
2 foo bar_2
3 foo bar
4 foo bar_2
sapply()的结果是一个矩阵，需要转置并转换回数据帧。然后，通过一些简单的操作来产生您想要的结果：
after <- with(before, data.frame(attr = attr))
after <- cbind(after, data.frame(t(sapply(out, `[`))))
names(after)[2:3] <- paste("type", 1:2, sep = "_")
在这一点上，就是你想要的after
> after
attr type_1 type_2
1 1 foo bar
2 30 foo bar_2
3 4 foo bar
4 6 foo bar_2
4赞
ashaw
12/4/2010
#3
如果您想坚持使用另一种方法是使用该命令。这是沿着这些思路的解决方案。strsplit()unlist()
tmp <- matrix(unlist(strsplit(as.character(before$type), '_and_')), ncol=2,
byrow=TRUE)
after <- cbind(before$attr, as.data.frame(tmp))
names(after) <- c("attr", "type_1", "type_2")
74赞
Aniko
12/4/2010
#4
另一种方法：用于：rbindout
before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
out <- strsplit(as.character(before$type),'_and_')
do.call(rbind, out)
[,1] [,2]
[1,] "foo" "bar"
[2,] "foo" "bar_2"
[3,] "foo" "bar"
[4,] "foo" "bar_2"
并结合：
data.frame(before$attr, do.call(rbind, out))
评论
8赞
alexis_laz
11/11/2016
较新的 R 版本上的另一种选择是strcapture("(.*)_and_(.*)", as.character(before$type), data.frame(type_1 = "", type_2 = ""))
1赞
Cole
4/4/2023
这是正确的解决方案。简单，不需要第三方包。
35赞
Ramnath
12/4/2010
#5
这是一个与 Aniko 的解决方案相同的衬里，但使用了 Hadley 的纵梁包：
do.call(rbind, str_split(before$type, '_and_'))
评论
1赞
Melka
3/30/2016
好渔获，对我来说最好的解决方案。虽然比包装慢一点。stringr
0赞
user5359531
2/12/2021
这个函数是否重命名为？strsplit()
355赞
hadley
12/4/2010
#6
用stringr::str_split_fixed
library(stringr)
str_split_fixed(before$type, "_and_", 2)
评论
4赞
LearneR
7/28/2015
这对我今天的问题也很好。但它在每行的开头添加了一个“C”。知道这是为什么吗???left_right <- str_split_fixed(as.character(split_df),'\">',2)
0赞
user3841581
3/14/2016
我想用一个带有“...”的模式进行拆分，当我应用该函数时，它什么也没返回。可能是什么问题。我的类型类似于“测试......得分”
6赞
thelatemail
8/9/2017
@user3841581 - 我知道您的旧查询，但这在文档中有所介绍 - 适用于参数中的“匹配固定字符串”。 表示正则表达式中的“任何字符”。str_split_fixed("aaa...bbb", fixed("..."), 2)fixed()pattern=.
0赞
cloudscomputes
9/15/2017
谢谢哈德利，非常方便的方法，但有一件事可以改进，如果原始列中有 NA，分离后它会在结果列中变成 sevaral 空字符串，这是不需要的，我想在分离后保持 NA 仍然是 NA
0赞
maycca
5/23/2018
效果很好，即如果缺少分隔符！即，如果我有一个向量 'a<-c（“1N”， “2N”）'，我想在列 '1,1， “N”， “N”' 中分隔，我运行 'str_split_fixed（s， “”， 2）'。我只是不确定如何在这种方法中命名我的新列，'col1<-c（1,1）' 和 'col2<-c（“N”， “N”）'
270赞
hadley
6/12/2014
#7
您可以使用该包。tidyr
before <- data.frame(
attr = c(1, 30 ,4 ,6 ),
type = c('foo_and_bar', 'foo_and_bar_2')
)
library(tidyr)
before |>
separate_wider_delim(type, delim = "_and_", names = c("foo", "bar"))
# # A tibble: 4 × 3
# attr foo bar
# <dbl> <chr> <chr>
# 1 1 foo bar
# 2 30 foo bar_2
# 3 4 foo bar
# 4 6 foo bar_2
（或使用旧版本的tidyr)
before %>%
separate(type, c("foo", "bar"), "_and_")
## attr foo bar
## 1 1 foo bar
## 2 30 foo bar_2
## 3 4 foo bar
## 4 6 foo bar_2
评论
4赞
JelenaČuklina
1/11/2016
有没有办法限制拆分的数量？假设我只想在“_”上拆分一次（或者使用并向现有数据帧添加列）？str_split_fixed
0赞
Prradep
11/8/2021
@hadley 如果我想根据秒进行拆分怎么样？我想要值为 ， /？_foo_andbarbar_2
2赞
robertspierre
7/12/2023
tidyr::separate已被 取代。tidyr::separate_wider_delim
31赞
A5C1D2H2I1M1N2O1R2T1
9/27/2014
#8
要添加到选项中，您还可以像这样使用我的函数：splitstackshape::cSplit
library(splitstackshape)
cSplit(before, "type", "_and_")
# attr type_1 type_2
# 1: 1 foo bar
# 2: 30 foo bar_2
# 3: 4 foo bar
# 4: 6 foo bar_2
评论
1赞
Nicki
8/3/2017
3 年后 - 此选项最适合解决我遇到的类似问题 - 但是我正在使用的数据帧有 54 列，我需要将它们全部分成两列。有没有办法使用这种方法做到这一点 - 除了键入上述命令 54 次之外？非常感谢，妮琪。
0赞
A5C1D2H2I1M1N2O1R2T1
8/5/2017
@Nicki，您是否尝试过提供列名或列位置的向量？那应该可以做到......
0赞
Nicki
8/7/2017
这不仅仅是重命名列 - 我需要像上面一样从字面上拆分列，有效地将我的 df 中的列数增加一倍。以下是我最后使用的： df2 <- cSplit（df1， splitCols = 1：54， “/”）
94赞
David Arenburg
10/14/2015
#9
5年后，添加强制性解决方案data.table
library(data.table) ## v 1.9.6+
setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_")]
before
# attr type type1 type2
# 1: 1 foo_and_bar foo bar
# 2: 30 foo_and_bar_2 foo bar_2
# 3: 4 foo_and_bar foo bar
# 4: 6 foo_and_bar_2 foo bar_2
我们还可以确保生成的列具有正确的类型，并通过添加 和 参数（因为不是真正的正则表达式）来提高性能type.convertfixed"_and_"
setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_", type.convert = TRUE, fixed = TRUE)]
评论
1赞
andschar
6/4/2019
如果您的模式数量不同，您可以找出最大匹配数（即未来列）'_and_'max(lengths(strsplit(before$type, '_and_')))
0赞
Gecko
5/14/2020
这是我最喜欢的答案，效果很好！您能否解释一下它是如何工作的。为什么 transpose（strsplit（...）） 并且不是用于连接字符串的 paste0 - 而不是拆分它们......
3赞
David Arenburg
5/14/2020
@Gecko我不确定问题是什么。如果您只使用它，则会创建一个在每个插槽中具有 2 个值的向量，因此将其转置为 2 个向量，每个向量中都有一个值。 仅用于创建列名，不用于值。在等式的 LHS 上是列名，在 RHS 上是列上的拆分 + 转置操作。 代表“就地分配”，因此您在那里看不到分配运算符。strsplittstrsplitpaste0:=<-
9赞
lmo
7/23/2016
#10
下面是一个基本的 R 单行，它与以前的许多解决方案重叠，但返回一个具有正确名称的 data.frame。
out <- setNames(data.frame(before$attr,
do.call(rbind, strsplit(as.character(before$type),
split="_and_"))),
c("attr", paste0("type_", 1:2)))
out
attr type_1 type_2
1 1 foo bar
2 30 foo bar_2
3 4 foo bar
4 6 foo bar_2
它用于分解变量，并使用 / 将数据放回 data.frame。额外的增量改进是使用 将变量名称添加到 data.frame。strsplitdata.framedo.callrbindsetNames
11赞
Rich Scriven
8/29/2017
#11
从 R 版本 3.4.0 开始，你可以从 utils 包（包含在基本 R 安装中）使用，将输出绑定到其他列。strcapture()
out <- strcapture(
"(.*)_and_(.*)",
as.character(before$type),
data.frame(type_1 = character(), type_2 = character())
)
cbind(before["attr"], out)
# attr type_1 type_2
# 1 1 foo bar
# 2 30 foo bar_2
# 3 4 foo bar
# 4 6 foo bar_2
评论
1赞
Chris
12/24/2022
这是最连贯的“为目的而建”。
8赞
Swifty McSwifterton
9/29/2017
#12
这个问题已经很老了，但我会添加我发现目前最简单的解决方案。
library(reshape2)
before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
newColNames <- c("type1", "type2")
newCols <- colsplit(before$type, "_and_", newColNames)
after <- cbind(before, newCols)
after$type <- NULL
after
评论
0赞
Apricot
6/17/2019
在管理 df 向量时，这是迄今为止最简单的
30赞
Yannis P.
11/2/2017
#13
这个主题几乎已经用尽了，但我想为一个稍微更通用的版本提供一个解决方案，在这个版本中，你不知道输出列的数量，先验的。例如，你有
before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2', 'foo_and_bar_2_and_bar_3', 'foo_and_bar'))
attr type
1 1 foo_and_bar
2 30 foo_and_bar_2
3 4 foo_and_bar_2_and_bar_3
4 6 foo_and_bar
我们不能使用 dplyr，因为我们不知道拆分前结果列的数量，因此我创建了一个用于拆分列的函数，给定了生成列的模式和名称前缀。我希望使用的编码模式是正确的。separate()stringr
split_into_multiple <- function(column, pattern = ", ", into_prefix){
cols <- str_split_fixed(column, pattern, n = Inf)
# Sub out the ""'s returned by filling the matrix to the right, with NAs which are useful
cols[which(cols == "")] <- NA
cols <- as.tibble(cols)
# name the 'cols' tibble as 'into_prefix_1', 'into_prefix_2', ..., 'into_prefix_m'
# where m = # columns of 'cols'
m <- dim(cols)[2]
names(cols) <- paste(into_prefix, 1:m, sep = "_")
return(cols)
}
然后，我们可以在 dplyr 管道中使用如下：split_into_multiple
after <- before %>%
bind_cols(split_into_multiple(.$type, "_and_", "type")) %>%
# selecting those that start with 'type_' will remove the original 'type' column
select(attr, starts_with("type_"))
>after
attr type_1 type_2 type_3
1 1 foo bar <NA>
2 30 foo bar_2 <NA>
3 4 foo bar_2 bar_3
4 6 foo bar <NA>
然后我们可以用来整理......gather
after %>%
gather(key, val, -attr, na.rm = T)
attr key val
1 1 type_1 foo
2 30 type_1 foo
3 4 type_1 foo
4 6 type_1 foo
5 1 type_2 bar
6 30 type_2 bar_2
7 4 type_2 bar_2
8 6 type_2 bar
11 4 type_3 bar_3
评论
1赞
MEC
2/22/2023
这非常有用。多年后，我想知道是否有可能引入可以插入 for 循环的 colnames。例如，我想split_into_multiple 10 列（或更多），但我不想一次将它们拆分为每列。我希望生成的拆分列绑定在一起。我找不到以编程方式选择列名的方法（它给了我错误）选项！as.name（） 说没有这样的属性......你会怎么做？
0赞
Yannis P.
3/19/2023
我很高兴你仍然觉得它很有用@MEC。我的 R 知识已经抛弃了我，不知道如何用这部分暗示你。我认为 Python 可能会提供一些东西，但需要一些功课......pandas
7赞
jpmorris
2/17/2018
#14
基本但可能很慢：
n <- 1
for(i in strsplit(as.character(before$type),'_and_')){
before[n, 'type_1'] <- i[[1]]
before[n, 'type_2'] <- i[[2]]
n <- n + 1
}
## attr type type_1 type_2
## 1 1 foo_and_bar foo bar
## 2 30 foo_and_bar_2 foo bar_2
## 3 4 foo_and_bar foo bar
## 4 6 foo_and_bar_2 foo bar_2
1赞
Ronak Shah
1/4/2020
#15
这是另一个基本 R 解决方案。我们可以使用 但是，因为它只接受一个字节的参数，而这里我们有多字节分隔符，我们可以用来将多字节分隔符替换为任何单字节分隔符，并将其用作参数read.tablesepgsubsepread.table
cbind(before[1], read.table(text = gsub('_and_', '\t', before$type),
sep = "\t", col.names = paste0("type_", 1:2)))
# attr type_1 type_2
#1 1 foo bar
#2 30 foo bar_2
#3 4 foo bar
#4 6 foo bar_2
在这种情况下，我们也可以通过用默认参数替换它来缩短它，这样我们就不必明确提及它sep
cbind(before[1], read.table(text = gsub('_and_', ' ', before$type),
col.names = paste0("type_", 1:2)))
1赞
tjebo
2/10/2022
#16
令人惊讶的是，仍然缺少另一个整洁的解决方案 - 您也可以使用带有正则表达式的 。tidyr::extract
library(tidyr)
before <- data.frame(attr = c(1, 30, 4, 6), type = c("foo_and_bar", "foo_and_bar_2"))
## regex - getting all characters except an underscore till the first underscore,
## inspired by Akrun https://stackoverflow.com/a/49752920/7941188
extract(before, col = type, into = paste0("type", 1:2), regex = "(^[^_]*)_(.*)")
#> attr type1 type2
#> 1 1 foo and_bar
#> 2 30 foo and_bar_2
#> 3 4 foo and_bar
#> 4 6 foo and_bar_2
0赞
Alan Gómez
7/14/2023
#17
另一个基本 R 解决方案也是将一列拆分为几列的通用方法：
数据
before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
程序
attach(before)
before$type2 <- gsub("(\\w*)_and_(\\w*)", "c('\\1', '\\2')", type)
#this recode the column type to c("blah", "blah") form
cbind(before,t(sapply(1:nrow(before), function(x) eval(parse(text=before$type2[x])))))
#this split the desired column into several ones named 1 2 3 and so on
输出
attr type type2 1 2
1 1 foo_and_bar c('foo', 'bar') foo bar
2 30 foo_and_bar_2 c('foo', 'bar_2') foo bar_2
3 4 foo_and_bar c('foo', 'bar') foo bar
4 6 foo_and_bar_2 c('foo', 'bar_2') foo bar_2
1赞
Mark
7/21/2023
#18
自从提出这个问题以来，已被 separate_longer_* 和 separate_wider_* 函数所取代。separate
现在的方法是：
library(tidyr)
separate_wider_delim(before, type, delim = "_and_", names_sep = "_")
你也可以使用 ，但我会把它留给读者作为练习：-）separate_wider_regex
上一个：如何从字符串中删除所有空格？
下一个：连接字符串/字符向量
评论