按R data.table中的条件拆分行

Question

我有一个包含3列的数据表，其中一列包含一个键：不同长度的值列表。 我希望重新排列表格，使每行只有一个键，以值为条件

例如，假设我希望得到值为<= 2的所有行，以便每个键都在它自己的行上：\\

input_tbl <-
data.table::data.table(a=c("AA"),b=c("{\"ha:llo\":1,\"wor:ld\":2,\"doog:bye\":3}"),
c=c(1))

那个想要的桌子应该是

tbl_output <- data.table::data.table(a=c("AA",
"AA"),b=c("ha:llo","wor:ld"), c=c(1,1), s=c(1,2))

我曾尝试过以下功能：

data_table_clean <- function(dt){

  dt[ ,"b" := data.table::tstrsplit(b, ',', fixed = T),by=c(a, c)]
  dt[,c('b', 's'):= data.table::tstrsplit(b, ':', fixed=TRUE)]
    return(dt[s <=2,])

}

这会产生以下错误

“eval中的错误（expr，envir，enclos）：对象'a'未找到”

当然，欢迎任何建议。

密钥实际上是以下形式：

input2_tbl <-
data.table::data.table(a=c("AA"),b=c("{\"99:1d:3u:7y:89:67\":1,\"99:1D:34:YY:T6:Y6\":2,\"ll:5Y:UY:56:R5:R6\":3}"),
c=c(1))

因此输出表应该是：

 tbl2_output <- data.table::data.table(a=c("AA",
 "AA"),b=c(""99:1d:3u:7y:89:67","99:1D:34:YY:T6:Y6"), 
    c=c(1,1), s=c(1,2))

谢谢！

更新

data_table_clean <- function(dt){



  res <- dt[, data.table::tstrsplit(unlist(strsplit(gsub('[{}"]', '', b),',', fixed=TRUE)), ":(?=[^:]+$)", perl=TRUE),
                     by = .(a, c)][V2 > -100]

  data.table::setnames(res, 3:4, c("b", "s"))
  res
}

运行时我收到以下错误：

.subset（x，j）出错：无效的下标类型'list'

Answer 1

一种选择是在最终输出中提取我们需要的字符。 我们使用str_extract在“a”，“c”分组后执行此操作。 输出是一个list ，我们将其unlist list ，将非数字和数字转换为两列，然后使用条件s<3对行进行子集化。

library(stringr)
library(data.table)
input_tbl[, {
     tmp <- unlist(str_extract_all(b, "[A-Za-z]+:[A-Za-z]+|\\d+"))
       list(b=tmp[c(TRUE, FALSE)], s=tmp[c(FALSE, TRUE)])
     }, by = .(a,c)][s<3]
#    a c      b s
#1: AA 1 ha:llo 1
#2: AA 1 wor:ld 2

---

或者如果我们使用strsplit/tstrsplit ，按'a'，'c'分组，我们用gsub删除大括号和引号（ [{}]" ），拆分, （ strsplit ）， unlist输出，然后使用tstrsplit要拆分:后跟一个数字。子集部分与上面类似。

res <- input_tbl[, tstrsplit(unlist(strsplit(gsub('[{}"]', '', 
        b), ',', fixed=TRUE)), ":(?=\\d)", perl=TRUE) ,.(a,c)][V2<3]
setnames(res, 3:4, c("b", "s"))
res
#    a c      b s
#1: AA 1 ha:llo 1
#2: AA 1 wor:ld 2

更新

对于更新的数据集，我们可以做tstrsplit上的最后一个分隔符（ : ）

res1 <- input2_tbl[, tstrsplit(unlist(strsplit(gsub('[{}"]', '', 
   b),',', fixed=TRUE)), ":(?=[^:]+$)", perl=TRUE) ,
         by = .(a, c)][V2 < 3]
setnames(res1, 3:4, c("b", "s"))
res1
#     a c                 b s
# 1: AA 1 99:1d:3u:7y:89:67 1
# 2: AA 1 99:1D:34:YY:T6:Y6 2

Answer 2

由于您似乎正在使用JSON对象，为什么不使用解析JSON的东西，例如“jsonlite”包？

有了它，你可以创建一个简单的函数，如下所示：

myFun <- function(invec) {
  require(jsonlite)
  x <- fromJSON(invec)
  list(b = names(x), s = unlist(x))
}

现在，应用于您的数据集，您将获得：

input_tbl[, myFun(b), by = .(a, c)]
#     a c        b s
# 1: AA 1   ha:llo 1
# 2: AA 1   wor:ld 2
# 3: AA 1 doog:bye 3

并且，对于子集：

input_tbl[, myFun(b), by = .(a, c)][s <= 2]
#     a c      b s
# 1: AA 1 ha:llo 1
# 2: AA 1 wor:ld 2

您甚至可以重写myFun函数来添加“阈值”参数，该参数允许您在函数本身内进行子集化。