R-将每个字母因子的字母数字字符观测值拆分为列，并为每个观测值分配数值

Question

我不太确定如何最好地用标题表达我想做的事情。

我有一个看起来像这样的数据框：

 ID = c(1, 2, 3, 4, 5, 6, 7)
 observation = c("a2", NA, "b3", "c5", NA, "b", "a3")
 df <- data.frame(cbind(ID, observation))

 df

  ID observation
1  1          a2
2  2        <NA>
3  3          b3
4  4          c5
5  5        <NA>
6  6           b
7  7          a3

我想要的输出是一个数据框架，该数据框架将观察值按数字和字母进行拆分，每个唯一字母都有一个新列，其中每一行都包含该字母的关联观察值。

所需的输出应如下所示：

desired_df <- data.frame(cbind(ID, a = c(2, NA, 0, 0, 0 , 0, 3), 
                                   b = c(0, NA, 3, 0, 0, 0, 0),
                                   c = c(0, NA, 0, 5, 0, 0, 0)))
desired_df

  ID  a  b  c
1  1  2  0  0
2  2 NA NA NA
3  3  0  3  0
4  4  0  0  5
5  5  0 NA NA
6  6  0  0  0
7  7  3  0  0

我尝试通过将观察结果分为带有正则表达式的字母和数字并将结果保存到新列中来解决此问题：

library(stringr)
char <- unlist(str_replace_all(observation, "[[:digit:]]", ""))
num <- unlist(str_extract(observation, "[[:digit:]]"))
df_new <- cbind(ID, char, num)
df_new

  ID char  num
1  1    a    2
2  2 <NA> <NA>
3  3    b    3
4  4    c    5
5  5 <NA> <NA>
6  6    b <NA>
7  7    a    3

然后尝试根据此SO问题的答案将char转换为因子成二进制形式

df_new <- data.frame(cbind(df, sapply(levels(as.factor((char))), 
function(x) as.integer(x == char))))

  ID char  num  a  b  c
1  1    a    2  1  0  0
2  2 <NA> <NA> NA NA NA
3  3    b    3  0  1  0
4  4    c    5  0  0  1
5  5 <NA> <NA> NA NA NA
6  6    b <NA>  0  1  0
7  7    a    3  1  0  0

然后，我根据此SO问题的答案，尝试用df_new1 $ num中该行的相应值替换每个1观察值：

df_new2 <- data.frame(with(df_new1, ifelse(df_new1 == 1, df_new1$num, 0)))

df_new2
  ID char num  a  b  c
1  1    0   0  1  0  0
2  0   NA  NA NA NA NA
3  0    0   0  0  2  0
4  0    0   0  0  0  3
5  0   NA  NA NA NA NA
6  0    0  NA  0 NA  0
7  0    0   0  2  0  0

输出错误的结果。 我一直在努力解决这个问题。 我可以将所有非1值替换为0，只要a，b，c列中的值正确即可。

我不确定是否将字母和数字分成不同的列，并尝试将字母的二进制观测值替换为因子甚至是尝试解决我的原始问题的最佳方法，并且对任何可行的方法都持开放态度。

我的真实数据帧是由一个脚本生成的，该脚本从.txt文件中提取模式，其中字母数字的观察值随文件的不同而不同。 我需要一些对分配给char列的唯一字母起作用的东西。

我是R的新手，因此感谢您提出的任何建议或帮助。我仍然非常熟悉SO礼节，并且希望对如何改善问题和/或可复制的示例提出任何意见。

Answer 1

您可以使用tidyr extract tidyr将observation分为var和value列，然后使用spread调整表的tidyr 。 请注意，由于ID == 2中的NA值， <NA>现在是其自己的列。 select将删除该列：

library(dplyr)
library(tidyr)

df %>%
  extract(observation, c("var", "value"), regex = "([a-z])?(\\d)?") %>%
  spread(var, value) %>%
  select(-`<NA>`)

结果：

  ID    a    b    c
1  1    2 <NA> <NA>
2  2 <NA> <NA> <NA>
3  3 <NA>    3 <NA>
4  4 <NA> <NA>    5
5  5 <NA> <NA> <NA>
6  6    3 <NA> <NA>

Answer 2

既然您提到非数字值可以为0或NA

library(tidyverse)
df %>%
  nest(-ID) %>%
  mutate(data = map(data, ~data.frame(key = gsub("\\d", "", unlist(.x)), val = gsub("\\D", "", unlist(.x))))) %>%
  unnest() %>%
  spread(key, val, fill = 0) %>%
  select(-ncol(.)) %>%
  replace(.=="", 0)

  # ID    a     b     c    
  # <fct> <chr> <chr> <chr>
# 1 1     2     0     0    
# 2 2     0     0     0    
# 3 3     0     3     0    
# 4 4     0     0     5    
# 5 5     0     0     0    
# 6 6     3     0     0    
# There were 14 warnings (use warnings() to see them)