如何让R创建新列（以旧列中字符串的左侧部分命名），然后将旧列中字符串的右侧部分放入新列

Question

给定一个包含字符列的现有数据框，如下所示（oldColumn1），我希望 R 在同一数据框中自动创建一个新列，从字符串的左侧部分命名（例如 COLOR）。

然后，对于每一行，将出现在“：”之后的字符串内容的右侧部分（例如，红色、蓝色等）放入名为“颜色”的新列中。

有许多旧列（oldColumn1、oldColumn2 等）需要像这样进行拆分，因此手动执行此操作是不切实际的。预先感谢您提供的任何帮助。

# Here is an example of 3 oldColumns that already exist in dataframe.
# There are thousands of these columns, need to auto create a new
# column for each one as described.
# Maybe hoping to have the oldColumn names in a vector, to then pass
# to a function that creates a new column for each oldColumn. 

oldColumn1 <- c('COLOR: RED', 'COLOR: RED', 'COLOR: BLUE', 'COLOR: GREEN', 'COLOR: BLUE')
oldColumn2 <- c('SIZE: LARGE', 'SIZE: MEDIUM','SIZE: XLARGE','SIZE: MEDIUM','SIZE: SMALL')
oldColumn3 <- c('DESIGNSTYLE: STYLED', 'DESIGNSTYLE: ORIGINAL MAKER', 'DESIGNSTYLE: COUTURE','DESIGNSTYLE: COUTURE','DESIGNSTYLE: STYLED')
COLOR <- c('RED', 'RED', 'BLUE', 'GREEN', 'BLUE') #not part of original question.
SIZE <- c('LARGE', 'MEDIUM', 'XLARGE', 'MEDIUM', 'SMALL') #not part of original question.
DESIGNSTYLE <- c('STYLED', 'ORIGINAL MAKER', 'COUTURE', 'COUTURE', 'STYLED') #not part of original question.
#dat <- data.frame(oldColumn1, oldColumn2, oldColumn3) #original dat line.
#person who responded added COLOR, SIZE, DESIGNSTYLE to the dataframe.
dat <- data.frame(oldColumn1, oldColumn2, oldColumn3, COLOR, SIZE, DESIGNSTYLE)
dat

Answer 1

您可以使用

$

创建新列，然后使用

gsub()

从目标列中删除

COLOR: 

。

yourdf$COLOR <- gsub("COLOR: ", "", yourdf$oldColumn1)

如果您还想删除旧列：

yourdf$oldColumn1 <- NULL

编辑

如果您有很多列，您可以将

gsub

功能应用于所有目标列。如果您的目标列具有通用名称模式（例如示例中的

oldColumn

），您可以通过使用

grep

识别该模式来对数据框进行子集化。 之后，您可以将编辑的列重命名为

COLOR1

、

COLOR2

等

以下是完整步骤：

# Remove "COLOR: " from the targeted columns
colname_pattern <- grep("oldColumn", colnames(yourdf))
yourdf[, colname_pattern] <- apply(yourdf[, colname_pattern], 2, 
                                   gsub, pattern = "COLOR: ", 
                                   replacement = "")
# Rename the edited columns
index <- seq_along(colname_pattern)
newnames <- paste0("COLOR", index)
colnames(yourdf[, colname_pattern]) <- newnames

Answer 2

开始于

quux <- structure(list(oldColumn1 = c("COLOR: RED", "COLOR: RED", "COLOR: BLUE", "COLOR: GREEN", "COLOR: BLUE")), class = "data.frame", row.names = c(NA, -5L))

天真的做法是

data.frame(COLOR = trimws(sub("COLOR:", "", quux$oldColumn1)))
#   COLOR
# 1   RED
# 2   RED
# 3  BLUE
# 4 GREEN
# 5  BLUE

但我假设您有更普遍的需求。让我们假设您还有更多东西需要解析，例如

quux <- structure(list(oldColumn1 = c("COLOR: RED", "COLOR: RED", "COLOR: BLUE", "COLOR: GREEN", "COLOR: BLUE", "SIZE: 1", "SIZE: 3", "SIZE: 5")), class = "data.frame", row.names = c(NA, -8L))
quux
#     oldColumn1
# 1   COLOR: RED
# 2   COLOR: RED
# 3  COLOR: BLUE
# 4 COLOR: GREEN
# 5  COLOR: BLUE
# 6      SIZE: 1
# 7      SIZE: 3
# 8      SIZE: 5

然后我们可以将其概括为

tmp <- strcapture("(.*)\\s*:\\s*(.*)", quux$oldColumn1, list(k="", v=""))
tmp$ign <- ave(rep(1L, nrow(tmp)), tmp$k, FUN = seq_along)
reshape2::dcast(tmp, ign ~ k, value.var = "v")[,-1,drop=FALSE]
#   COLOR SIZE
# 1   RED    1
# 2   RED    3
# 3  BLUE    5
# 4 GREEN <NA>
# 5  BLUE <NA>

--

编辑：更新数据的替代方案：

do.call(cbind, lapply(dat, function(X) {
  nm <- sub(":.*", "", X[1])
  out <- data.frame(trimws(sub(".*:", "", X)))
  names(out) <- nm
  out
}))
#   COLOR   SIZE    DESIGNSTYLE
# 1   RED  LARGE         STYLED
# 2   RED MEDIUM ORIGINAL MAKER
# 3  BLUE XLARGE        COUTURE
# 4 GREEN MEDIUM        COUTURE
# 5  BLUE  SMALL         STYLED