分隔不一致的分隔名称

Question

我有一个品牌名称的数据集，如下所示：

Brand = data.frame(Brand = c("Nike, Adidas", "Nike Shoes", "Nike, New Balance, etc.", "Adidas, Nike, Reebok, Reebok Nike"))

目标是在一列中获取每个不同的品牌名称。 问题是名称的分隔不一致（例如，一些名称用逗号分隔，另一些则用空格分隔）。 因此，不清楚空格分隔是两个品牌（例如 Nike Adidas）之间的分隔还是品牌名称（例如 New Balance）之间的分隔。 有没有办法在 R 中做到这一点？ 现在尝试以这种方式解决它：

library(tidyverse)

Brands %>%
  separate(Brand, into = c(LETTERS[(seq(1, 10))]), sep = ",") %>%
  select_if(~sum(!is.na(.)) > 0) 


          A            B       C            D
1       Nike       Adidas    <NA>         <NA>
2 Nike Shoes         <NA>    <NA>         <NA>
3       Nike  New Balance    etc.         <NA>
4     Adidas         Nike  Reebok  Reebok Nike

有些品牌不在自己的栏中（例如 D 栏中的耐克）。 如果我现在用空格分隔名称，我会遇到一些问题（例如 Shoes 或 New Balance）。

Answer 1

一种方法是使用split.default拆分交替列，并在删除NA值后使用每个组的第一列作为名称，第二列作为值创建一个命名向量。

out <- lapply(split.default(weights, gl(ncol(weights)/2, 2)), function(x) {
   inds = !is.na(x[[2]])
   setNames(x[[2]][inds], x[[1]][inds])
})
names(out) <- names(weights)[c(TRUE, FALSE)]

#$RECAGE
#      1       2       3       4 
#0.12195 0.33841 0.35823 0.18140 

#$RECQ3
#      1       2       3       4 
#0.21325 0.24372 0.25057 0.29246 

#$Q3A
#        1         2         3         4         5         6         7 
#0.1327231 0.1617086 0.0480549 0.0259344 0.0076278 0.0274600 0.0785660 
#        8         9        10        11        12        13        14 
#0.0167811 0.0922960 0.2212052 0.0511060 0.0122044 0.0434783 0.0213577 
#       15        16 
#0.0358505 0.0236461 

#$Q5_1_REC
#       1        2        3        4 
#0.554116 0.205030 0.166921 0.073933 

#$Q5_2_REC
#      1       2       3       4 
#0.59237 0.13969 0.13206 0.13588 

Answer 2

map2的一个选项，通过使用回收逻辑向量对列进行子集化

library(purrr)
library(dplyr)
map2(weights[c(TRUE, FALSE)], weights[c(FALSE, TRUE)], ~ {
       i1 <- !is.na(.x)
       set_names(.y[i1], .x[i1])
  })

#$RECAGE
#        1         2         3         4 
#0.1219512 0.3384146 0.3582317 0.1814024 

#$RECQ3
#        1         2         3         4 
#0.2132521 0.2437167 0.2505712 0.2924600 

#$Q3A
#          1           2           3           4           5           6           7           8           9          10          11          12 
#0.132723112 0.161708619 0.048054920 0.025934401 0.007627765 0.027459954 0.078565980 0.016781083 0.092295957 0.221205187 0.051106026 0.012204424 
#         13          14          15          16 
#0.043478261 0.021357742 0.035850496 0.023646072 

#$Q5_1_REC
#         1          2          3          4 
#0.55411585 0.20503049 0.16692073 0.07393293 

#$Q5_2_REC
#        1         2         3         4 
#0.5923664 0.1396947 0.1320611 0.1358779 

---

我们还可以通过捕获名称中的模式并将其拆分为命名向量list来以编程方式执行此操作

library(tidyr)
library(tibble)
library(stringr)
weights %>%
     mutate(rn = row_number())  %>%
     rename_at(vars(-rn), ~
           str_replace(., "_Q", ":Q") %>% 
             {case_when(str_detect(., ":") ~ .,
                TRUE ~ str_c(., ":A"))}) %>%
     pivot_longer(cols = -rn, names_sep=":",
        names_to = c("group", ".value"), values_drop_na = TRUE) %>% 
     split(.$group) %>% 
     map(~ select(., A, Q) %>% 
            deframe)
#$Q3A
#          1           2           3           4           5           6           7           8           9          10          11          12 
#0.132723112 0.161708619 0.048054920 0.025934401 0.007627765 0.027459954 0.078565980 0.016781083 0.092295957 0.221205187 0.051106026 0.012204424 
#         13          14          15          16 
#0.043478261 0.021357742 0.035850496 0.023646072 

#$Q5_1_REC
#         1          2          3          4 
#0.55411585 0.20503049 0.16692073 0.07393293 

#$Q5_2_REC
#        1         2         3         4 
#0.5923664 0.1396947 0.1320611 0.1358779 

#$RECAGE
#        1         2         3         4 
#0.1219512 0.3384146 0.3582317 0.1814024 

#$RECQ3
#        1         2         3         4 
#0.2132521 0.2437167 0.2505712 0.2924600