Using strsplit within dplyr::mutate (without tibble::data_frame) raises "Evaluation error: non-character argument"

Question

编辑： 我的 df 创建有错字，MediaName 的最后一个值缺少 _；现在已更正。

我想根据第三个变量 Phase 的值在数据框中创建一个新变量 TrialId 作为另一个变量 MediaName 值的一部分我可以在 dplyr::mutate 中使用 strsplit 和 ifelse 来做到这一点，如下所示：

library(dplyr)

# Creating a simple data frame for the example
df <- data.frame(Phase = c(rep("Familiarisation",8),rep("Test",3)),
                 MediaName = c("Flip_A1_G1","Reg_B2_S1","Reg_A2_G1","Flip_B1_S1",
                               "Reg_A1_G2","Flip_B2_S2","Reg_A2_G2","Flip_B1_S2",
                               "HC_A1L","TC_B1R","RC_BL_2R"))

# Creating a new column
df <- df %>%
  mutate(TrialId = ifelse(Phase == "Familiarisation",
                          sapply(strsplit(MediaName, "_"), "[", 2),
                          sapply(strsplit(MediaName, "_"), "[", 1)))

预期结果是

> df$TrialId
[1] "A1" "B2" "A2" "B1" "A1" "B2" "A2" "B1" "HC" "TC" "RC"

但是这给了我以下错误，因为我相信 strsplit:

Error in mutate_impl(.data, dots) : 
  Evaluation error: non-character argument.

我从了解到，在这个小示例中，我可以通过将我的数据框定义为 tibble::data_frame 来轻松解决我的问题，而不知道为什么这样可以解决问题。我不能完全做到这一点，因为在我的实际代码中 df 来自读取 csv 文件（使用 read.csv()）。我一直认为使用 df <- df %>% as_tibble() %>% mutate(...) 会以类似的方式解决问题，但事实并非如此（为什么？）。

有没有办法在读取文件时实际使用 tibble？或者是否有另一种方法可以实现我需要做的事情，而不用 strsplit 也许？

我还在 this other SO question 上读到，您可以使用 tidyr::separate，但它并没有完全按照我的要求执行，因为我需要根据值保留第一个或第二个值Phase.

Answer 1

您遇到的问题是因为字符串在factor中被自动转换，所以您不能将strsplit()应用于非字符串对象。我的解决方案只是将 MediaName 转换为 string 类型。

require(dplyr)    
df <- df %>%
        dplyr::mutate(MediaName = as.character(levels(df$MediaName))[df$MediaName]) %>%
                dplyr::mutate(TrialId = ifelse(Phase == "Familiarisation",
                                        sapply(strsplit(MediaName, "_"), "[", 2),
                                        sapply(strsplit(MediaName, "_"), "[", 1))) 





solution<- c("A1", "B2", "A2", "B1", "A1", "B2", "A2", "B1", "HC", "TC", "RC")
identical(solution, df$TrialId)
[1] TRUE

Answer 2

你可以试试：

library(tidyverse)
# your first data 
df_old <- data.frame(Phase = c(rep("Familiarisation",8),rep("Test",3)),
                 MediaName = c("Flip_A1_G1","Reg_B2_S1","Reg_A2_G1","Flip_B1_S1",
                               "Reg_A1_G2","Flip_B2_S2","Reg_A2_G2","Flip_B1_S2",
                               "HC_A1L","TC_B1R","RC_BL2R"))
df_old %>% 
  separate(MediaName, into=letters[1:3], sep="_", fill = "left", remove = FALSE) %>% 
  select(Phase, MediaName, TrialId=b)
             Phase  MediaName TrialId
1  Familiarisation Flip_A1_G1      A1
2  Familiarisation  Reg_B2_S1      B2
3  Familiarisation  Reg_A2_G1      A2
4  Familiarisation Flip_B1_S1      B1
5  Familiarisation  Reg_A1_G2      A1
6  Familiarisation Flip_B2_S2      B2
7  Familiarisation  Reg_A2_G2      A2
8  Familiarisation Flip_B1_S2      B1
9             Test     HC_A1L      HC
10            Test     TC_B1R      TC
11            Test    RC_BL2R      RC

这是根据提供的示例数据的硬编码解决方案。用"_"隔开，如果只有两个而不是三个"_"从左边填NA。最后，select 您需要的列。

编辑

对于您的新数据，情况会稍微复杂一些。但你可以试试：

df %>% 
  add_column(MediaName_keep=df$MediaName) %>% 
  group_by(MediaName_keep) %>% 
  separate_rows(MediaName, sep="_") %>% 
  mutate(n=1:n()) %>% 
  filter((Phase == "Familiarisation" & n == 2) | (Phase == "Test" & n == 1)) %>% 
  select(Phase, MediaName=MediaName_keep, TrialId=MediaName)
# A tibble: 11 x 3
# Groups:   MediaName [11]
             Phase  MediaName TrialId
            <fctr>     <fctr>   <chr>
 1 Familiarisation Flip_A1_G1      A1
 2 Familiarisation  Reg_B2_S1      B2
 3 Familiarisation  Reg_A2_G1      A2
 4 Familiarisation Flip_B1_S1      B1
 5 Familiarisation  Reg_A1_G2      A1
 6 Familiarisation Flip_B2_S2      B2
 7 Familiarisation  Reg_A2_G2      A2
 8 Familiarisation Flip_B1_S2      B1
 9            Test     HC_A1L      HC
10            Test     TC_B1R      TC
11            Test   RC_BL_2R      RC

思路是一样的。分开，但此时按 MediaName_keep 添加并计算新行，然后根据您的需要进行过滤。

Using strsplit within dplyr::mutate (without tibble::data_frame) raises "Evaluation error: non-character argument"

Using strsplit within dplyr::mutate (without tibble::data_frame) raises "Evaluation error: non-character argument"

regex

r

strsplit

dplyr

编辑