Wie effizient 1 Datenrahmen spalten, um einen neuen Datenrahmen zu erstellen, der jedem Teil der Kategoriespalte den gleichen Wert zuweist

Question

Ich habe ziemlich unordentliche Daten nach Kategorie, wo manchmal mehrere Kategorien in einem einzelnen Feld sind. Nach dem Aufteilen des Multi-Kategorie-Eintrags möchte ich jeder Kategorie in einem Kategorieeintrag den gleichen Wert zuweisen. Wenn beispielsweise die Daten

cat <- c("A,B,C", "B", "B,C", "A,E") 
val <- c(300, 350, 400, 450) 
mydf <- data.frame(cat, val, stringsAsFactors = FALSE) 

     cat val 
     A,B,C 300 
      B 350 
      B,C 400 
      A,E 450 

aus der ersten Reihe ist, ich brauche 300 für jede Kategorie A zugeordnet werden, B & C, dann aus der zweiten Reihe 350 und B zugeordnet sind, 400 zu jedem B zugeordnet, und C aus der dritten Reihe und dann 450 A und E in der vierten Reihe zugeordnet.

Ich kam mit einer sehr kludy-y for-Schleife, um dies zu erreichen, aber ich weiß, dass dies nicht speicher-effizient ist, weil es rbind auf einem vorhandenen Datenrahmen verwendet.

resultsdf <- data.frame(temp_cats = character(0), 
      temp_vals = numeric(0), stringsAsFactors = FALSE) 

for(i in 1:nrow(mydf)){ 
    temp_cats <- stringr::str_split(mydf$cat[i], ",")[[1]] 
    temp_vals <- rep(val[i], length(temp_cats)) 
    temp_df <- data.frame(temp_cats, temp_vals, stringsAsFactors = FALSE) 
    resultsdf <- rbind(resultsdf, temp_df) 
} 

gerade gespannt, ob jemand eine elegantere R-Syntax Weg, dies zu erreichen mit

enden hat

temp_cats temp_vals 
1   A  300 
2   B  300 
3   C  300 
4   B  350 
5   B  400 
6   C  400 
7   A  450 
8   E  450 

Answer 1

1) Stapel/entstapeln Verwenden strsplit die Saiten zu spalten und dann Entstapeln und stapeln Sie es, um die lange Form s erforderlich zu bekommen. Schließlich beheben Sie die Namen und machen temp_vals numerische seit unstack gezwungen, sie zu Charakter. Keine Pakete werden verwendet.

s <- stack(unstack(transform(mydf, cat = strsplit(cat, ",")))) 
with(s, data.frame(temp_cats = values, temp_vals = as.numeric(as.character(ind)))) 

2) dplyr/tidyr Ein weiterer Ansatz ist unnest im tidyr Paket zu verwenden:

library(dplyr) 
library(tidyr) 

mydf %>% 
    mutate(cat = strsplit(cat, ",")) %>% 
    unnest() %>% 
    transmute(temp_cat = cat, temp_vals = val) 

2a) Mit tidyr 5.0 oder später könnte dies sogar kürzer gemacht werden (wie spitze out von @aosmith in den Kommentaren). separate_rows verwendet unnest intern.

mydf %>% 
    separate_rows(cat) %>% 
    transmute(temp_cat = cat, temp_vals = val) 

Answer 2

Wir verwenden cSplit von splitstackshape

library(splitstackshape) 
setnames(cSplit(mydf, "cat", ",", "long"), c("temp_cats", "temp_vals"))[] 
# temp_cats temp_vals 
#1:   A  300 
#2:   B  300 
#3:   C  300 
#4:   B  350 
#5:   B  400 
#6:   C  400 
#7:   A  450 
#8:   E  450