r-如何使用数据帧中特定行的每列中的分隔符来分割每个值

Question

我有一个数据帧，其中有特定的行出错，这意味着两行被合并为一行，用空格表示。我有错误所在行的索引，我希望使用索引构建一个函数，简单地创建两个新列表，然后我可以将它们插入数据帧(作为2行(并替换不正确的行。

我在R中有以下数据帧(第3行为错误(：

Location  V1  V2  V3  V4
1       nyc   2  20   9   2
2       bos   4   5   3   8
3 atl m dal 1 4 3 4 1 3 5 2
4       mia   3   1   8   4
structure(list(Location = c("nyc", "bos", "atl m dal", "mia"), 
V1 = c("2", "4", "1 4", "3"), V2 = c("20", "5", "3 4", "1"
), V3 = c("9", "3", "1 3", "8"), V4 = c("2", "8", "5 2", 
"4")), row.names = c(NA, 4L), class = "data.frame")

步骤1:所需的输出将是两个列表/矢量(对于每个错误行(，如下所示：

atl m
1
3
1
5
dal 
4
4
3
2

步骤2:一旦我有了这些列表，我应该能够将它们作为行插入/添加到现有的数据帧中(并删除错误行(，例如：

Location V1 V2 V3 V4
1      nyc  2 20  9  2
2      bos  4  5  3  8
3    atl m  1  3  1  5
4      dal  4  4  3  2
5      mia  3  1  8  4

主要是希望在步骤1中获得帮助。除第一列外，所有列(V1…V4(都有一个空白，可以用作分隔符来拆分每个值，这很容易，但第一列的位置并没有那么简单。我需要根据我可以匹配的另一个列表手动为该列的字符串子集。

Answer 1

我们可以识别有错误的行，这些行中有空白(\s(。为这些行创建一个单独的数据帧。获取location并不是一件简单的事情，因为它们中有很多空白。我使用的逻辑是最后一个单词进入新行，而之前的所有单词都留在同一行。

最后，我们将这两个数据帧组合起来，得到一个完整的数据帧。

library(dplyr)
inds <- grep('\s', df$V1)
tmp <- df[inds, ]
tmp %>%
tidyr::separate_rows(everything(), sep = '(\s)(?!.*\s)') %>%
bind_rows(df[-inds, ]) %>%
type.convert(as.is = TRUE)
#  Location    V1    V2    V3    V4
#  <chr>    <int> <int> <int> <int>
#1 atl m        1     3     1     5
#2 dal          4     4     3     2
#3 nyc          2    20     9     2
#4 bos          4     5     3     8
#5 mia          3     1     8     4

Answer 2

这有点粗糙，但您可以直接复制问题行，并获取"quot；分割为第一行("atlm"(；dal"；行：

tibble(df) %>%
mutate(across(.fns = ~str_replace(., " \w+$", ""))) %>%
add_row(
df %>% 
slice(3) %>%
mutate(across(.fns = ~str_replace(., "^.* (\w+)$", "\1")))
)
# A tibble: 5 x 5
Location V1    V2    V3    V4   
<chr>    <chr> <chr> <chr> <chr>
1 nyc      2     20    9     2    
2 bos      4     5     3     8    
3 atl m    1     3     1     5    
4 mia      3     1     8     4    
5 dal      4     4     3     2