将一列中的值分隔成多个列名和列值

Question

我想将特定格式的数据从一列拆分为多列。以下是我的示例数据：

df = data.frame(id=c(1,2),data=c('apple:A%1^B%2^C%3_orange:A%1^B%2',
                                   'apple:A%1^B%2^D%3_orange:A%3^B%2'))
#    id    data
#    1    apple:A%1^B%2^C%3_orange:A%1^B%2
#    2    apple:A%1^B%2^D%3_orange:C%3^B%2

然后将给出以下输出

 id   data_apple_A  data_apple_B  data_apple_C  data_apple_D  data_orange_A  data_orange_B
 1       1               2              3                          1              2
 2       1               2                            3            1              2

我已经能够做到这一点，但我使用的方法涉及遍历每一行并按每个分隔符执行 str_split 以获得每一行的数据并将其附加到最终输出数据帧，考虑到我将有 500k 行乘以 20 个输入列，这非常慢。

我认为我的 for 循环不是为此用例编写代码的正确 R 方法。任何帮助将不胜感激。

Answer 1

我们可以使用 cSplit 和 str_extract

library(splitstackshape)
library(zoo)
library(stringr)
dt <- cSplit(df, 'data', "\^|_", fixed = FALSE, "long")[, c('grp', 'grp2', 'val') 
   := .(na.locf(str_extract(data, "^[A-Za-z]+(?=:)")), 
     str_extract(data, "[A-Z](?=[%])"), as.numeric(str_extract(data, "\d+")))  ][]
dcast(dt, id ~ paste0("data_", grp) + grp2, value.var = 'val', sep = "_", fill = 0)
#    id data_apple_A data_apple_B data_apple_C data_apple_D data_orange_A data_orange_B
#1:  1            1            2            3            0             1             2
#2:  2            1            2            0            3             3             2

将一列中的值分隔成多个列名和列值

Separate values in a column into multiple columns name and column value

r

rscript