如何将非数值变量列转换为两个数值变量列？

Question

使用 R，我需要帮助将非数字列转换为两个数字列。 我想拆分 x 列中的非数字数据，破折号之前的值进入一列（开始），破折号之后的值进入另一列（结束）。 然后，我想创建一个新的数字列，其中包含 Start 和 End 列之间的差异，差异中添加了 1。 （Diff 列包含年份计数，因此从 2011 年到 2018 年将是八年。）

当我尝试这样做时，我遇到了意想不到的问题。 首先，x 变量显示为一个因子。 其次，开始和结束列中的数据不是数字，当我尝试将它们设为数字以便可以进行 Diff 计算时，我得到了一个强制错误。 第三，我无法让 strsplit 工作。

我检查了 stackoverflow 解决方案是否存在类似问题，但无法找到一个对我有用的解决方案。

输入数据只是实际文件中的一小部分样本

我更喜欢使用 dplyr 的解决方案，但对其他解决方案持开放态度。

输入

dput(df)
structure(list(x = c(NA, "1950-1960", "1975-1986", "2011-2018"
)), class = "data.frame", row.names = c(NA, -4L))

Output

x          Start  End   Diff
1950-1960  1950   1960  11
1975-1986  1975   1986  12
2011-2018  2011   2018   8

Answer 1

df$Start = as.numeric(unlist(lapply(strsplit(df$x, "-"), `[`, 1)))
df$End   = as.numeric(unlist(lapply(strsplit(df$x, "-"), `[`, 2)))
df$Diff  = df$End - df$Start + 1
df
          x Start  End Diff
1      <NA>    NA   NA   NA
2 1950-1960  1950 1960   11
3 1975-1986  1975 1986   12
4 2011-2018  2011 2018    8

Answer 2

G5W 非常适合基础 R，这是一个“tidyverse”版本：

library(dplyr)
library(tidyr) # separate
df %>%
  filter(!is.na(x)) %>%
  tidyr::separate(x, into = c("Start", "End"), sep = "-", remove = FALSE, convert = TRUE) %>%
  mutate(Diff = End - Start + 1L)
#           x Start  End Diff
# 1 1950-1960  1950 1960   11
# 2 1975-1986  1975 1986   12
# 3 2011-2018  2011 2018    8

Answer 3

一个快速但不灵活的解决方案是使用substr()来获取 position 的年份：

df$Start <- as.numeric(substr(df$x, 1, 4))
df$End <- as.numeric(substr(df$x, 6, 10))
df$Diff <- df$End - df$Start + 1

df[!is.na(df$Diff), ]
          x Start  End Diff
2 1950-1960  1950 1960   11
3 1975-1986  1975 1986   12
4 2011-2018  2011 2018    8

Answer 4

另一个 baseR 解决方案：

df1[, c("Start", "End")] <- do.call(rbind, strsplit(df1$x, "-"))
df1 <- transform(type.convert(df1), Diff = End - Start + 1)

结果

df1
#          x Start  End Diff
#1      <NA>    NA   NA   NA
#2 1950-1960  1950 1960   11
#3 1975-1986  1975 1986   12
#4 2011-2018  2011 2018    8

数据

df1 <- structure(list(x = c(NA, "1950-1960", "1975-1986", "2011-2018"
)), class = "data.frame", row.names = c(NA, -4L))

Answer 5

基础 R，易读

#your data
x <- c("1950-1960", "1975-1986", "2011-2018")
df <- as.data.frame(x)

#code
df_list <- unlist(apply(df, MARGIN = 1, strsplit, "-"))
new_data <- matrix(df_list, ncol = 2,byrow = T)

#output
output <- cbind(df,new_data)

Output：

          x    1    2
1 1950-1960 1950 1960
2 1975-1986 1975 1986
3 2011-2018 2011 2018