r-splitstacksape用于基于不同的行分隔符\n为列和观察值拆分文本

Question

我有一些文本数据，看起来像：

> myData
                                                                                          keyColumn
1 nnnnCol1nnCol1 result.nnnnCol2nnResult col2.nnnnCol3nn-nnnnCol4nnresult col4nnnncol5nn€result col5nnnnCol6nnresult col6nnnnnn

它是结构化的，我想把文本分成几列。结构总是一样的。也就是说，给定：

nnnnCol1nnCol1 result.

因此，列名应在4个行分隔符之后，结果应在2个行分隔符号之后。

我已尝试使用splitstackshape软件包。

library(splitstackshape)
cSplit(myData, splitCols = "keyColumn", sep = "nnnn", direction = "wide")

哪个给出：

keyColumn_01 keyColumn_02 keyColumn_03 keyColumn_04 keyColumn_05 keyColumn_06 keyColumn_07 keyColumn_08 keyColumn_09 keyColumn_10 keyColumn_11 keyColumn_12
1:         Col1 Col1 result.         Col2 Result col2.         Col3            -         Col4  result col4         col5 €result col5         Col6  result col6

这不是我想要的，但很接近。

预期输出：

Col1           Col2            Col3     Col4          col5           Col6
Col1 result    Result col2      -      result col4   €result col5    result col6

数据：

myData <- structure(list(keyColumn = "nnnnCol1nnCol1 result.nnnnCol2nnResult col2.nnnnCol3nn-nnnnCol4nnresult col4nnnncol5nn200result col5nnnnCol6nnresult col6nnnnnn"), class = "data.frame", row.names = c(NA, 
                                                                                                                                                                                              -1L))

Answer 1

在基本R中，您可以执行：

read.csv(text=gsub("n{2,}",",",gsub("n{4}","n",myData$keyColumn)), header = FALSE)
V1           V2
1 Col1 Col1 result.
2 Col2 Result col2.
3 Col3            -
4 Col4  result col4
5 col5 €result col5
6 Col6  result col6

这样，你就可以按照你想要的转换和格式化它

Answer 2

正如Onyambu的回答一样，最好的方法是首先以某种方式将数据转换为长格式，然后将其转换为宽格式。这里有一种方法：

cSplit(myData, "keyColumn", "n", "long")[, 
list(col = keyColumn[c(TRUE, FALSE)], val = keyColumn[c(FALSE, TRUE)])][, 
dcast(.SD, ... ~ col, value.var = "val")]
#    .         Col1         Col2 Col3        Col4         col5        Col6
# 1: . Col1 result. Result col2.    - result col4 €result col5 result col6

或者，在基本R中，你也可以做一些类似的事情：

x <- strsplit(trimws(myData$keyColumn), "n+")[[1]]
data.frame(setNames(as.list(x[c(FALSE, TRUE)]), x[c(TRUE, FALSE)]))
#           Col1         Col2 Col3        Col4         col5        Col6
# 1 Col1 result. Result col2.    - result col4 €result col5 result col6