通过字符串匹配出现递归地添加列 R gsub regex

Question

我有一个 R df，其中一列 Author 看起来像这样（为了匿名，在这篇文章中，名称本身被替换为“Last”和“First”）：

ID	作者
1	最后，第一和最后，第一
2	最后，第一个和最后一个，第一个和最后一个，第一个和最后一个，第一个
3	最后，第一个和最后一个，第一个和最后一个，第一个

我需要为每个作者的名字和姓氏添加一个新列。 它应该如下所示：

ID	第一1	最后1	第一2	最后2	第一3	最后3	第一4	最后4
1	第一的	最后的	第一的	最后的
2	第一的	最后的	第一的	最后的	第一的	最后的	第一的	最后的
3	第一的	最后的	第一的	最后的	第一的	最后的

当然，并非所有读数都具有相同数量的作者，因此我无法为所有行 append 指定特定数量的列。

** 注意：我已经为只有一位作者使用的列完成了此操作

data <- data %>% 
  mutate(FirstName=unlist(lapply(strsplit(Author,", "),function(x) x[2])),
         LastName=gsub(",.*","",Author))

我怎样才能做到这一点？

Answer 1

一种选择可以是：

df %>%
 mutate(map_dfr(.x = str_split(Author, ", | & "),
                ~ set_names(.x, ave(.x, .x, FUN = function(y) paste0(y, cumsum(duplicated(y)) + 1)))))

  id                                                Author Last1 First1 Last2 First2 Last3 First3 Last4 First4
1  1                             Last, First & Last, First  Last  First  Last  First  <NA>   <NA>  <NA>   <NA>
2  2 Last, First & Last, First & Last, First & Last, First  Last  First  Last  First  Last  First  Last  First
3  3               Last, First & Last, First & Last, First  Last  First  Last  First  Last  First  <NA>   <NA>

Answer 2

这里我使用了一个小助手 function 来返回姓氏和名字的列表

get_names <- function(x) {
  authors = strsplit(x, " & ")[[1]]
  lapply(authors, \(a) setNames(strsplit(a, ", ")[[1]], c("Last", "First")))
}

然后我将它应用于每个id 、 unnest 和 pivot 宽

df %>% 
  group_by(id) %>% 
  summarize(names=list(get_names(Author))) %>% 
  unnest(names) %>% 
  unnest_wider(names) %>% 
  group_by(id) %>% 
  mutate(rn=row_number()) %>% 
  pivot_wider(id, names_from =rn, names_sep="",values_from = c(First,Last),names_vary="slowest")

Answer 3

这是使用tidyr::separate的版本：

library(tidyr)
library(stringr)
n_auth = max(str_count(df$Author, pattern = "&")) + 1
df %>%
  separate(
    Author,
    sep = " *[,&] ",
    into = c(outer(c("First", "Last"), 1:n_auth, FUN = paste0)),
    fill = "right"
)
#   id First1 Last1 First2 Last2 First3 Last3 First4 Last4
# 1  1   Last First   Last First   <NA>  <NA>   <NA>  <NA>
# 2  2   Last First   Last First   Last First   Last First
# 3  3   Last First   Last First   Last First   <NA>  <NA>

Answer 4

在基础 R 中，您将执行以下操作：

(df1 <- read.table(text=gsub('[,&]', '', df$Author), fill=TRUE))

   V1    V2   V3    V4   V5    V6   V7    V8
1 Last First Last First                      
2 Last First Last First Last First Last First
3 Last First Last First Last First         

然后，您可以添加名称：

names(df1)<-paste0(c("Last", "First"), gl(ncol(df1), 2,ncol(df1)))
df1

  Last1 First1 Last2 First2 Last3 First3 Last4 First4
1  Last  First  Last  First                          
2  Last  First  Last  First  Last  First  Last  First
3  Last  First  Last  First  Last  First         

当然，您可以将表格重新排列为first在last ：

df1[order(sub("\\D+", '',names(df1)), sub("\\d+", '', names(df1)))]

  First1 Last1 First2 Last2 First3 Last3 First4 Last4
1  First  Last  First  Last                          
2  First  Last  First  Last  First  Last  First  Last
3  First  Last  First  Last  First  Last