从单个列创建多个列并清理结果

Question

我有一个这样的数据框：

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，用分隔符_拆分第一列，只保留拆分后得到的数值。对于第一列不包含任何 _ 的那些行，三个新列应该是 NA。我使用 separate 有点接近，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，所以我可以接受。但是，我有两种问题：

新列应至少 numeric，可能 integer。相反，它们是 character，因为尾随 rpm、%、barG。我该如何摆脱这些？
当Point.Type不能拆分时，rpm_nom应该是NA，而不是Zero Start或Zero Stop。更改 fill= 选项只会更改其中一个新列获得 Zero Start/Zero Stop。相反，我希望他们三个都是 NA。我该怎么做？

注意：我正在使用 tidyr，但当然你不需要，如果你认为有更好的方法来做到这一点。

Answer 1

您可以 post-使用 dplyr 处理列：

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。如果你想防止删除小数点，你 can 使用 [^0-9.] 而不是 [^0-9] （就像他的回答中使用的@PierreLafortune），但要注意这也将包括不是小数点的点。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

或使用data.table（由@DavidArenburg 在评论中贡献）：

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是通过引用更新的。由于这速度更快且内存效率更高，因此这对于使用大型数据集特别有价值。

Answer 2

使用 base R 我们可以先在必要时强制转换 NA 值，然后强制转换 class numeric:

bar[-1] <- lapply(bar[-1], function(x) {
  is.na(x) <- grepl("Zero", x)
  as.numeric(gsub("[^0-9.]", "", x))})
#                             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   0.3558397
# 5 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww    3000      10       13   1.1454829
# 6 3000rpm_10%_13barG_Sdsdsa_1.0_ss_Pww    3000      10       13   0.2958815
# 7                            Zero Stop      NA      NA       NA          NA
# 8                           Zero Start      NA      NA       NA          NA

减少到一行 (@Jaap):

bar[-1] <- lapply(bar[-1], function(x) as.numeric(gsub("[^0-9.]", "", x)))

从单个列创建多个列并清理结果

Create multiple columns from a single column and clean up results

split

r

tidyr