如何在一秒内将tidyr :: pivot_longer与stringer :: separate_rows结合 所需的输出

问题描述

我正在尝试根据列名将数据从宽格式转换为长格式,我可以使用tidyr::pivot_longer()轻松完成。但是,我还需要以较宽的格式来解构特定单元格的内容(即,解析其中的字符串),并沿枢轴(较长)的行分隔已解析的组件。使用stringr::separate_rows可以轻松完成解析和分离任务,但我不知道如何在同一镜头中结合使用旋转和分离过程。

数据

df <- data.frame(
  id = 1:3,blue_type1 = 110:112,purple_type5 = 5:7,black_type1 = 28:30,batch_number = c("bgd | ddg | qwe","afp | qqw | edt","pqr | khp | rty")
  )

df

##   id blue_type1 purple_type5 black_type1    batch_number
## 1  1        110            5          28 bgd | ddg | qwe
## 2  2        111            6          29 afp | qqw | edt
## 3  3        112            7          30 pqr | khp | rty

我想要什么

转换为长格式并解压缩batch_number,以便将第一子字符串以长格式分配给第一行,将第二子字符串分配给第二行,将第三子字符串分配给第三行。

所需的输出

## # A tibble: 9 x 5
##      id batch_number color   type  vals
##   <dbl> <chr>        <chr>  <dbl> <dbl>
## 1     1 bgd          blue       1   110
## 2     1 ddg          purple     5     5
## 3     1 qwe          black      1    28
## 4     2 afp          blue       1   111
## 5     2 qqw          purple     5     6
## 6     2 edt          black      1    29
## 7     3 pqr          blue       1   112
## 8     3 khp          purple     5     7
## 9     3 rty          black      1    30

我的尝试

如果我只是tidyr::pivot_longer,我将到达一半:

df %>% 
  pivot_longer(.,-c(id,batch_number),names_to = c("color","type"),names_pattern = "(.*)_type(.)",values_to = "vals")

## # A tibble: 9 x 5
##      id batch_number    color  type   vals
##   <int> <chr>           <chr>  <chr> <int>
## 1     1 bgd | ddg | qwe blue   1       110
## 2     1 bgd | ddg | qwe purple 5         5
## 3     1 bgd | ddg | qwe black  1        28
## 4     2 afp | qqw | edt blue   1       111
## 5     2 afp | qqw | edt purple 5         6
## 6     2 afp | qqw | edt black  1        29
## 7     3 pqr | khp | rty blue   1       112
## 8     3 pqr | khp | rty purple 5         7
## 9     3 pqr | khp | rty black  1        30

如果我尝试stringr::separate_rows最重要的是,我会得到不想要的输出:

## # A tibble: 27 x 5
## # Groups:   id [3]
##       id batch_number color  type   vals
##    <int> <chr>        <chr>  <chr> <int>
##  1     1 bgd          blue   1       110
##  2     1 ddg          blue   1       110
##  3     1 qwe          blue   1       110
##  4     1 bgd          purple 5         5
##  5     1 ddg          purple 5         5
##  6     1 qwe          purple 5         5
##  7     1 bgd          black  1        28
##  8     1 ddg          black  1        28
##  9     1 qwe          black  1        28
## 10     2 afp          blue   1       111
## 11     2 qqw          blue   1       111
## 12     2 edt          blue   1       111
## 13     2 afp          purple 5         6
## 14     2 qqw          purple 5         6
## 15     2 edt          purple 5         6
## 16     2 afp          black  1        29
## 17     2 qqw          black  1        29
## 18     2 edt          black  1        29
## 19     3 pqr          blue   1       112
## 20     3 khp          blue   1       112
## 21     3 rty          blue   1       112
## 22     3 pqr          purple 5         7
## 23     3 khp          purple 5         7
## 24     3 rty          purple 5         7
## 25     3 pqr          black  1        30
## 26     3 khp          black  1        30
## 27     3 rty          black  1        30

在运行separate_rows时如何合并pivot_longer的操作?有没有一种优雅的方法可以完成这样的任务?基本上,我正在寻找一种tidyverse解决方案,但也会对其他方法感到满意。

解决方法

也许有一个更短,更优雅的解决方案,但与此同时您可以尝试一下。基本思想是

  1. 在调用batch之前添加批处理标识符(id)(由tidyr::separate_rows
  2. tidyr::separate_rowsbatch_number标识符相等的obs的batch之后过滤。对于最后一步,我首先使用batch_numberforcats::fct_inorder转换为一个因数,然后转换为一个数字,该数字为我提供batch_number的位置,然后可以将其与batch标识符匹配
set.seed(42)

df <- data.frame(
  id = 1:3,blue_type1 = 110:112,purple_type5 = 5:7,black_type1 = 28:30,batch_number = c("bgd | ddg | qwe","afp | qqw | edt","pqr | khp | rty")
)
library(dplyr)
library(tidyr)
library(forcats)

df %>% 
  pivot_longer(-c(id,batch_number)) %>% 
  group_by(id) %>% 
  mutate(batch = row_number()) %>% 
  separate_rows(batch_number) %>% 
  filter(batch == as.numeric(forcats::fct_inorder(batch_number)))
#> # A tibble: 9 x 5
#> # Groups:   id [3]
#>      id batch_number name         value batch
#>   <int> <chr>        <chr>        <int> <int>
#> 1     1 bgd          blue_type1     110     1
#> 2     1 ddg          purple_type5     5     2
#> 3     1 qwe          black_type1     28     3
#> 4     2 afp          blue_type1     111     1
#> 5     2 qqw          purple_type5     6     2
#> 6     2 edt          black_type1     29     3
#> 7     3 pqr          blue_type1     112     1
#> 8     3 khp          purple_type5     7     2
#> 9     3 rty          black_type1     30     3
,

您可以在旋转后将字符串分配给batch_number。

library(dplyr)
library(tidyr)
library(stringr)

df %>%
  group_by(id) %>%
  mutate(batch_index = seq.int(1,n()*6,6)) %>%
  ungroup() %>%
  mutate(batch_number = str_sub(batch_number,batch_index,batch_index+2)) %>%
  select(-batch_index)

#      id batch_number color  type   vals
#   <int> <chr>        <chr>  <chr> <int>
# 1     1 bgd          blue   1       110
# 2     1 ddg          purple 5         5
# 3     1 qwe          black  1        28
# 4     2 afp          blue   1       111
# 5     2 qqw          purple 5         6
# 6     2 edt          black  1        29
# 7     3 pqr          blue   1       112
# 8     3 khp          purple 5         7
# 9     3 rty          black  1        30

请注意,mutate(batch_index = seq.int(1,6))将一个名为batch_index的列添加到数据框(按ID分组)。在每一行中,batch_index用于将字符串分配给batch_number。 batch_index由seq.int(1,6)产生,并且由1到n()*6之间的整数组成(即,当前组中的行数乘以6-请注意,最终值不必这么高)。序列中的数字相隔六个:1,7,13 ...

mutate(batch_number = str_sub(batch_number,batch_index+2)使用batch_index在每行的batch_number中将字符串子集化。组中的第一行需要batch_number中的第一个子字符串-因此该函数将batch_number中的batch_number子集从batch_index(即1)到batch_index + 2(即3)。组中的第二行需要batch_number中的第二个子字符串-该函数因此将batch_number从batch_index(即7)子集到batch_index + 2(即9)等。

如果批处理编号中的所有子字符串都由三个字母组成,则此方法有效。

,

separate_rows之后,您可以在pull内使用mutatepivot_longer

df %>% 
  pivot_longer(-c(id,batch_number),names_to = c("color","type"),names_pattern = "(.*)_type(.)",values_to = "vals") %>%
  mutate(batch_number = 
           df %>% 
           separate_rows(batch_number,sep = " \\| ") %>% 
           pull(batch_number)
         ) 

# A tibble: 9 x 5
     id batch_number color  type   vals
  <int> <chr>        <chr>  <chr> <int>
1     1 bgd          blue   1       110
2     1 ddg          purple 5         5
3     1 qwe          black  1        28
4     2 afp          blue   1       111
5     2 qqw          purple 5         6
6     2 edt          black  1        29
7     3 pqr          blue   1       112
8     3 khp          purple 5         7
9     3 rty          black  1        30
,

使用separate_rows()中的tidyr并使用顺序ID来尝试此选项:

library(tidyverse)
#Code
df <- df %>% separate_rows(batch_number,sep='\\|') %>%
  mutate(batch_number=trimws(batch_number)) %>%
  group_by(id) %>% mutate(Val=1:n()) %>%
  pivot_longer(-c(id,batch_number,Val)) %>%
  separate(name,c('color','type'),sep='_') %>%
  mutate(type=gsub('type','',type),Flag=ifelse(id==Val,1,0)) %>%
  filter(Flag==1) %>% select(-c(Flag,Val))

输出:

# A tibble: 9 x 5
# Groups:   id [3]
     id batch_number color  type  value
  <int> <chr>        <chr>  <chr> <int>
1     1 bgd          blue   1       110
2     1 bgd          purple 5         5
3     1 bgd          black  1        28
4     2 qqw          blue   1       111
5     2 qqw          purple 5         6
6     2 qqw          black  1        29
7     3 rty          blue   1       112
8     3 rty          purple 5         7
9     3 rty          black  1        30

相关问答

Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其...
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。...
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbc...