データフレーム文字列の列を複数の列に分割する

次の形式のデータを取得したい

before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
  attr          type
1    1   foo_and_bar
2   30 foo_and_bar_2
3    4   foo_and_bar
4    6 foo_and_bar_2

そして、split()上から列 " type" を使用して、次のようなものを取得します。

  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

何らかの形でapply機能するという信じられないほど複雑なことを思いつきましたが、それを誤解してしまいました。最善の方法になるには複雑すぎるように見えました。strsplit以下のように使用できますが、それをデータフレームの2列に戻す方法が不明です。

> strsplit(as.character(before$type),'_and_')
[[1]]
[1] "foo" "bar"

[[2]]
[1] "foo"   "bar_2"

[[3]]
[1] "foo" "bar"

[[4]]
[1] "foo"   "bar_2"

ポインタをありがとう。私はまだRリストを完全に理解していません。

使用する stringr::str_split_fixed

library(stringr)
str_split_fixed(before$type, "_and_", 2)

別のオプションは、新しいtidyrパッケージを使用することです。

library(dplyr)
library(tidyr)

before <- data.frame(
  attr = c(1, 30 ,4 ,6 ), 
  type = c('foo_and_bar', 'foo_and_bar_2')
)

before %>%
  separate(type, c("foo", "bar"), "_and_")

##   attr foo   bar
## 1    1 foo   bar
## 2   30 foo bar_2
## 3    4 foo   bar
## 4    6 foo bar_2

5年後の必須data.tableソリューションの追加

library(data.table) ## v 1.9.6+ 
setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_")]
before
#    attr          type type1 type2
# 1:    1   foo_and_bar   foo   bar
# 2:   30 foo_and_bar_2   foo bar_2
# 3:    4   foo_and_bar   foo   bar
# 4:    6 foo_and_bar_2   foo bar_2

また、結果の列に正しい型が含まれることを確認し、引数を追加してパフォーマンスを向上させることもできます（実際には正規表現ではないため）。type.convertfixed"_and_"

setDT(before)[, paste0("type", 1:2) := tstrsplit(type, "_and_", type.convert = TRUE, fixed = TRUE)]

さらに別のアプローチ：使用rbind上out：

before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))  
out <- strsplit(as.character(before$type),'_and_') 
do.call(rbind, out)

     [,1]  [,2]   
[1,] "foo" "bar"  
[2,] "foo" "bar_2"
[3,] "foo" "bar"  
[4,] "foo" "bar_2"

そして組み合わせるには：

data.frame(before$attr, do.call(rbind, out))

sapply with "["を使用して、これらのリストの最初または2番目のアイテムを抽出できることに注意してください。

before$type_1 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 1)
before$type_2 <- sapply(strsplit(as.character(before$type),'_and_'), "[", 2)
before$type <- NULL

そしてここにgsubメソッドがあります：

before$type_1 <- gsub("_and_.+$", "", before$type)
before$type_2 <- gsub("^.+_and_", "", before$type)
before$type <- NULL

これはanikoのソリューションと同じ行に沿った1つのライナーですが、hadleyのストリンガーパッケージを使用しています。

do.call(rbind, str_split(before$type, '_and_'))

オプションに追加するには、次のsplitstackshape::cSplitようにmy 関数を使用することもできます。

library(splitstackshape)
cSplit(before, "type", "_and_")
#    attr type_1 type_2
# 1:    1    foo    bar
# 2:   30    foo  bar_2
# 3:    4    foo    bar
# 4:    6    foo  bar_2

簡単な方法はsapply()、[関数と関数を使用することです。

before <- data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
out <- strsplit(as.character(before$type),'_and_')

例えば：

> data.frame(t(sapply(out, `[`)))
   X1    X2
1 foo   bar
2 foo bar_2
3 foo   bar
4 foo bar_2

sapply()の結果は行列であり、転置してデータフレームにキャストバックする必要があります。次に、必要な結果をもたらすのはいくつかの単純な操作です。

after <- with(before, data.frame(attr = attr))
after <- cbind(after, data.frame(t(sapply(out, `[`))))
names(after)[2:3] <- paste("type", 1:2, sep = "_")

この時点で、afterあなたが欲しかったものです

> after
  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

件名はほぼ使い果たされていますが、出力列の数が事前にわからない、もう少し一般的なバージョンの解決策を提供したいと思います。だから例えばあなたが持っている

before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2', 'foo_and_bar_2_and_bar_3', 'foo_and_bar'))
  attr                    type
1    1             foo_and_bar
2   30           foo_and_bar_2
3    4 foo_and_bar_2_and_bar_3
4    6             foo_and_bar

separate()分割前の結果列の数がわからないため、dplyr を使用できませんstringr。そのため、生成された列のパターンと名前のプレフィックスを指定して、を使用して列を分割する関数を作成しました。使用したコーディングパターンが正しいことを願っています。

split_into_multiple <- function(column, pattern = ", ", into_prefix){
  cols <- str_split_fixed(column, pattern, n = Inf)
  # Sub out the ""'s returned by filling the matrix to the right, with NAs which are useful
  cols[which(cols == "")] <- NA
  cols <- as.tibble(cols)
  # name the 'cols' tibble as 'into_prefix_1', 'into_prefix_2', ..., 'into_prefix_m' 
  # where m = # columns of 'cols'
  m <- dim(cols)[2]

  names(cols) <- paste(into_prefix, 1:m, sep = "_")
  return(cols)
}

次にsplit_into_multiple、dplyrパイプで次のように使用できます。

after <- before %>% 
  bind_cols(split_into_multiple(.$type, "_and_", "type")) %>% 
  # selecting those that start with 'type_' will remove the original 'type' column
  select(attr, starts_with("type_"))

>after
  attr type_1 type_2 type_3
1    1    foo    bar   <NA>
2   30    foo  bar_2   <NA>
3    4    foo  bar_2  bar_3
4    6    foo    bar   <NA>

そして、gather片付けに使用できます...

after %>% 
  gather(key, val, -attr, na.rm = T)

   attr    key   val
1     1 type_1   foo
2    30 type_1   foo
3     4 type_1   foo
4     6 type_1   foo
5     1 type_2   bar
6    30 type_2 bar_2
7     4 type_2 bar_2
8     6 type_2   bar
11    4 type_3 bar_3

これは、以前の多くのソリューションと重複するベースRの1つのライナーですが、適切な名前のdata.frameを返します。

out <- setNames(data.frame(before$attr,
                  do.call(rbind, strsplit(as.character(before$type),
                                          split="_and_"))),
                  c("attr", paste0("type_", 1:2)))
out
  attr type_1 type_2
1    1    foo    bar
2   30    foo  bar_2
3    4    foo    bar
4    6    foo  bar_2

strsplit変数を分割するために使用しdata.frame、do.call/ rbindを使用してデータをdata.frameに戻します。追加のインクリメンタルな改善は、を使用しsetNamesて変数名をdata.frameに追加することです。

この質問はかなり古いですが、私が現時点で最も簡単であることがわかった解決策を追加します。

library(reshape2)
before = data.frame(attr = c(1,30,4,6), type=c('foo_and_bar','foo_and_bar_2'))
newColNames <- c("type1", "type2")
newCols <- colsplit(before$type, "_and_", newColNames)
after <- cbind(before, newCols)
after$type <- NULL
after

Rバージョン3.4.0以降strcapture()、utilsパッケージ（ベースのRインストールに含まれる）から使用でき、出力を他の列にバインドします。

out <- strcapture(
    "(.*)_and_(.*)",
    as.character(before$type),
    data.frame(type_1 = character(), type_2 = character())
)

cbind(before["attr"], out)
#   attr type_1 type_2
# 1    1    foo    bar
# 2   30    foo  bar_2
# 3    4    foo    bar
# 4    6    foo  bar_2

strsplit()使い続けたい場合の別のアプローチは、unlist()コマンドを使用することです。これらの線に沿った解決策があります。

tmp <- matrix(unlist(strsplit(as.character(before$type), '_and_')), ncol=2,
   byrow=TRUE)
after <- cbind(before$attr, as.data.frame(tmp))
names(after) <- c("attr", "type_1", "type_2")

基本だがおそらく遅い：

n <- 1
for(i in strsplit(as.character(before$type),'_and_')){
     before[n, 'type_1'] <- i[[1]]
     before[n, 'type_2'] <- i[[2]]
     n <- n + 1
}

##   attr          type type_1 type_2
## 1    1   foo_and_bar    foo    bar
## 2   30 foo_and_bar_2    foo  bar_2
## 3    4   foo_and_bar    foo    bar
## 4    6 foo_and_bar_2    foo  bar_2

これは別のベースRソリューションです。使用できますread.tableが、1バイトのsep引数しか受け入れず、ここにマルチバイトのセパレーターgsubがあるため、マルチバイトのセパレーターを任意の1バイトのセパレーターに置き換えて、sep引数として使用できます。read.table

cbind(before[1], read.table(text = gsub('_and_', '\t', before$type), 
                 sep = "\t", col.names = paste0("type_", 1:2)))

#  attr type_1 type_2
#1    1    foo    bar
#2   30    foo  bar_2
#3    4    foo    bar
#4    6    foo  bar_2

この場合、デフォルトのsep引数に置き換えることで短くすることもできるので、明示的に言及する必要はありません。

cbind(before[1], read.table(text = gsub('_and_', ' ', before$type), 
                 col.names = paste0("type_", 1:2)))