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))
在基本R中,您可以执行:
read.csv(text=gsub("n{2,}",",",gsub("n{4}","n",myData$keyColumn)), header = FALSE)
V1 V2
1 Col1 Col1 result.
2 Col2 Result col2.
3 Col3 -
4 Col4 result col4
5 col5 €result col5
6 Col6 result col6
这样,你就可以按照你想要的转换和格式化它
正如Onyambu的回答一样,最好的方法是首先以某种方式将数据转换为长格式,然后将其转换为宽格式。这里有一种方法:
cSplit(myData, "keyColumn", "n", "long")[,
list(col = keyColumn[c(TRUE, FALSE)], val = keyColumn[c(FALSE, TRUE)])][,
dcast(.SD, ... ~ col, value.var = "val")]
# . Col1 Col2 Col3 Col4 col5 Col6
# 1: . Col1 result. Result col2. - result col4 €result col5 result col6
或者,在基本R中,你也可以做一些类似的事情:
x <- strsplit(trimws(myData$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