将字符列分隔为行并将多列合并为 r 中的一列的最有效方法

Question

已更新

我在网上抓取了一个 table，实际上它的结构并不是 table。我设法将字符分成多行，但为了将来参考，我想知道对更大的数据集执行此操作的更有效方法。

我也能够将所有内容都放在一栏中，但整个代码效率极低。有什么改进建议吗？

library(rvest)
library(tidyverse)
library(dplyr)

url = "https://www.ncsl.org/research/health/state-laws-and-legislation-related-to-biologic-medications-and-substitution-of-biosimilars.aspx"
webpage=read_html(url)

mandatory_2014 = webpage %>% 
  html_element(css = "#dnn_ctr84472_HtmlModule_lblContent > div > table:nth-child(15)") %>% 
  html_table()
mandatory_2014 = data.frame(mandatory_2014)

df = mandatory_2014 %>% 
  mutate(X1=strsplit(X1, "\n\n\t\t\t")) %>% 
  unnest(X1) %>% 
  mutate(X2=strsplit(X2, "\n\n\t\t\t")) %>% 
  unnest(X3)%>% 
  mutate(X3=strsplit(X3, "\n\n\t\t\t")) %>% 
  unnest(X3)
df = df[-c(2)]
df = stack(df)
df = df[-c(2)]
df = data.frame(df[!duplicated(df),])
df = rename(df, States = df..duplicated.df....)

Answer 1

这可能在 base R 中更容易完成 - unlist 列到 vector，然后替换 [=16] 的一个或多个（+） =] 与单个 , 以及删除从 ( 开始的字符，然后使用 strsplit 或 scan 将字符串拆分为单独的元素（使用定界符,)，应用 trimws 删除任何剩余的 leading/lagging 空格，并将其转换为 data.frame 列

out <- data.frame(States = trimws(scan(text = sub("\s+\(.*", "",
   gsub("(\n+\t+)", ",", mandatory_2014)), what="", sep=",")))

-输出

> out
           States
1         Florida
2          Kansas
3        Kentucky
4   Massachusetts
5       Minnesota
6     Mississippi
7          Nevada
8      New Jersey
9        New York
10   Pennsylvania
11    Puerto Rico
12   Rhode Island
13     Washington
14  West Virginia

将字符列分隔为行并将多列合并为 r 中的一列的最有效方法

Most efficient way to separate character columns into rows and combine multiple columns into one column in r

r

data-manipulation

dataframe