[英]Extracting strings from different columns and tidying data in R
我正在尝试从数据集中提取电影类型的字符串。 数据采用以下格式,其中类型类型由不同的审阅者随机分配在数据集中。幸运的是,数据集中只有4种类型(喜剧,动作,恐怖,科幻),但也有重复。 所以我需要从数据集中提取那些字符串。
id movie v1 v2 v3 v4 v5 v6
1 LTR comedy highbudget action comedy jj horror
2 MI newmovie fiction scifi funny xx jhee
我期望以下形式的输出。
id movie genretype1 genretype2 genretype3 genretype4
1 LTR comedy action comedy horror
2 MI scifi --- --- ---
有什么建议么?
这就是我的方法-使用列表而不是data.frame更有意义
> types = c("comedy", "action", "horror", "scifi")
> List = apply(df, 1, function(x) types[types %in% x[-c(1, 2)]])
> names(List) <- df$movie
> List
$LTR
[1] "comedy" "action" "horror"
$MI
[1] "scifi"
或者,此解决方案可以为您提供整洁的data.frame:
> Matrix = t(apply(df, 1, function(x) types %in% x[-c(1, 2)]))
> colnames(Matrix) = types
> cbind(df[,1:2], Matrix)
id movie comedy action horror scifi
1 1 LTR TRUE TRUE TRUE FALSE
2 2 MI FALSE FALSE FALSE TRUE
我们可以将“类型”与“ df1”的每一行(不包括第一个两个标识符列)进行match
。 “ lst1”中list
元素的长度可能不同。 我们通过将NA
值填充到长度比最大长度元素短的元素data.frame
使长度相等, rbind
列表元素并创建一个新的data.frame
。
types <- c("comedy", "action", "horror", "scifi")
lst1 <- apply(df1[-(1:2)], 1, function(x)
types[match(x, types, nomatch=0)])
res <- data.frame(df1[1:2], do.call(rbind, lapply(lst1,
'length<-', max(lengths(lst1)))))
res
# id movie X1 X2 X3 X4
#1 1 LTR comedy action comedy horror
#2 2 MI scifi <NA> <NA> <NA>
注意:如果需要,我们可以更改列名称。
colnames(res)[-(1:2)] <- paste0('genretype', 1:4)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.