在带有向量元素的 tibbles 上使用 dplyr 的问题 [列表列]

Question

我运行在使用 dplyr 和 stringr 函数（特别是 str_split()）进行文本处理时遇到了一些问题。我想我在处理 vectors/lists.

元素时误解了一些关于如何正确使用 dplyr 的非常基本的东西

这是一个小问题，df...

library(tidyverse)

df <- tribble(
  ~item, ~phrase,
  "one",   "romeo and juliet",
  "two",   "laurel and hardy",
  "three", "apples and oranges and pears and peaches"
)

现在我创建了一个新列，splitPhrase，方法是在其中一个列上执行 str_split() 使用“ 和”作为分隔符。

df <- df %>%
      mutate(splitPhrase = str_split(phrase,"and"))

这在 RStudio 中似乎有效，我看到了这个...

在控制台中，我看到我的新列 splitPhrase 实际上由列表组成...但它在 Rstudio 显示中看起来是正确的，对吗？

df
#> # A tibble: 3 x 3
#>   item  phrase                                   splitPhrase
#>   <chr> <chr>                                    <list>     
#> 1 one   romeo and juliet                         <chr [2]>  
#> 2 two   laurel and hardy                         <chr [2]>  
#> 3 three apples and oranges and pears and peaches <chr [4]>

我最终想做的 是提取每个 splitPhrase 的 last 项。换句话说，我想讲这个...

问题是我看不到如何只获取每个 splitPhrase 中的最后一个元素。如果它只是一个矢量，我可以做这样的事情...

#> last( c("a","b","c") )
#[1] "c"
#>

但这在 tibble 中不起作用，想到的其他事情也不起作用：

df <- df %>% 
       mutate(lastThing = last(splitPhrase))
# Error in mutate_impl(.data, dots) : 
#   Column `lastThing` must be length 3 (the number of rows) or one, not 4

df <- df %>% group_by(splitPhrase) %>%
  mutate(lastThing = last(splitPhrase))
# Error in grouped_df_impl(data, unname(vars), drop) : 
#  Column `splitPhrase` can't be used as a grouping variable because it's a list

所以，我想我 "not getting" 如何处理 table/tibble 列中元素内的向量。这似乎与在我的示例中它实际上是一个向量列表这一事实有关。

是否有特定功能可以帮助我解决这个问题，或者有更好的方法吗？

^{由 reprex package (v0.2.1)}

创建于 2018-09-27

Answer 1

'splitPhrase'列是一个list，所以我们遍历list得到元素

library(tidyverse)
df %>% 
   mutate(splitPhrase = str_split(phrase,"\s*and\s*"),
          Last = map_chr(splitPhrase, last)) %>%
   select(item, Last)

但是，它可以通过多种方式完成。使用 separate_rows，展开列，然后得到按 'item'

分组的 last 元素

df %>% 
  separate_rows(phrase,sep = " and ") %>% 
  group_by(item) %>% 
  summarise(Last = last(phrase))

Answer 2

没测试过效率，不过我们也可以用regex提取最后一个"and":

之后的字符串段

与sub:

library(dplyr)
df %>%
  mutate(lastThing = sub("^.*and\s", "", phrase)) %>%
  select(-phrase)

与str_extract:

library(stringr)
df %>%
  mutate(lastThing = str_extract(phrase, "(?<=and\s)\w+$")) %>%
  select(-phrase)

与extract:

library(tidyr)
df %>%
  extract(phrase, "lastThing", "^.*and\s(\w+)")

输出：

# A tibble: 3 x 2
  item  lastThing
  <chr> <chr>    
1 one   juliet   
2 two   hardy    
3 three peaches

在带有向量元素的 tibbles 上使用 dplyr 的问题 [列表列]

Problem using dplyr on tibbles with vector elements [list columns]

r

stringr

dplyr

tibble