转换 table - 将分号分隔值的列转换为具有是/否条目的多列

Transform a table - convert the column with semicolons separated values into multiple columns with Yes / No entries

我想将我目前的 table 转换成可以轻松过滤的。

我有一个 table,其中第一列是唯一标识符,第二列是与该条目相关的由分号分隔的问题列表。除此之外,我还有一些明确定义和布局的专栏。我的 table 可能看起来像这样:

|ID|Issue|Title|
|ABC.001.0001|Green; Blue|Around and up|
|ABC.001.0002|Green; Orange|Over and beyond|
|ABC.001.0003|Pink; Orange|Inside out|

每个 |上面表示table.

中一列的结尾

我想将 table 转换为易于使用和易于筛选的问题。这将是一个很好的结果:

|ID|Green|Blue|Orange|Pink|Title|
|ABC.001.0001|Yes|Yes|No|No|Around and up|
|ABC.001.0002|Yes|No|Yes|No|Over and beyond|
|ABC.001.0003|No|No|Yes|Yes|Inside out|

我不想写很多代码。我想找到一些可以通过几个步骤完成这种转换的库,例如在 R 或 Octave 中。否则也许我可以在 MS Excel 和 MS Access 中采取一些步骤来获得相同的结果。

附带一个问题,这个转换叫什么?整理数据?正常化?芒格?

您可以使用 splitstackshape 中的 cSplit 通过分号 (sep=';') 拆分 "Issue" 列。指定 long 的方向,然后使用 dcast.data.table 将其整形回 wide。然后根据是否有NA,将"Blue"到"Pink"列中的"values"改为"Yes/No"。但是,与 Yes/No(我们将从 !is.na 步骤中获得)相比,将结果作为逻辑索引 TRUE/FALSE 总是更好。

library(splitstackshape)
library(data.table)
res <- dcast.data.table(cSplit(df, 'Issue', sep=';', 'long'),
                   ID+Title~Issue, value.var='Issue')

nm1 <- names(res)[3:6]
 res[,(nm1):=lapply(.SD, function(x) 
          c("No", "Yes")[(!is.na(x))+1L]), .SDcols=nm1]

 res
 #             ID           Title Blue Green Orange Pink
 #1: ABC.001.0001   Around and up  Yes   Yes     No   No
 #2: ABC.001.0002 Over and beyond   No   Yes    Yes   No
 #3: ABC.001.0003      Inside out   No    No    Yes  Yes

或者您可以使用 cSplit_e(来自@Ananda Mahto 的评论)

 cSplit_e(df, "Issue", sep = "; ", type = "character",
                 fill = 0, drop = TRUE)

或使用 base R 的选项。在这里,我使用 strsplit 拆分 "Issue" 列,然后 rbind 列表输出以创建 "m1"。创建唯一值向量 ("lvls")。使用 apply 和 MARGIN 为“1”检查 "m1"(lvls %in% x)的每一行中有哪些 "lvls"。通过向其添加“1”('x)+1L`)​​ 将逻辑向量转换为数值,并将其用作 "Yes/No" 值的索引。

 df1 <-  df[-2]
 m1 <- do.call(rbind,strsplit(df$Issue, '; '))
 lvls <- unique(c(m1))
 df1[lvls] <-  t(apply(m1, 1, function(x) c('No', 'Yes')[(lvls
                                %in% x)+1L]))
 df1
 #            ID           Title Green Pink Blue Orange
 #1 ABC.001.0001   Around and up   Yes   No  Yes     No
 #2 ABC.001.0002 Over and beyond   Yes   No   No    Yes
 #3 ABC.001.0003      Inside out    No  Yes   No    Yes

数据

 df <- structure(list(ID = c("ABC.001.0001", "ABC.001.0002", 
 "ABC.001.0003"), Issue = c("Green; Blue", "Green; Orange", "Pink; Orange"), 
Title = c("Around and up", "Over and beyond", "Inside out")), 
.Names = c("ID", "Issue", "Title"), class = "data.frame", 
row.names = c(NA, -3L))