WedX - журнал о программировании и компьютерных науках

Применение тайдыра отдельно только к определенным строкам

Я пытаюсь использовать tidyr для разделения одного столбца в моем фрейме данных, применяя его только к определенным строкам. Хотя dplyr::filter выполняет свою работу, он пропускает остальные мои данные. Есть ли чистый способ применить tidyr к определенным строкам, оставив остальные данные нетронутыми?

вот пример моей проблемы:

#creating DF for the example
df<-data.frame(var_a=letters[1:5],
               var_b=c(sample(1:100,5)),
               text=c("foo_bla","here_do","oh_yes","baa","land"))

дает мне это:

  var_a var_b    text
1     a    10 foo_bla
2     b    58 here_do
3     c    34  oh_yes
4     d     1     baa
5     e    47    land

#separating one col:
clean_df<-df %>% separate(text,into=c("first","sec"),sep="_",remove=F)
clean_df

  var_a var_b    text first  sec
1     a    10 foo_bla   foo  bla
2     b    58 here_do  here   do
3     c    34  oh_yes    oh  yes
4     d     1     baa   baa <NA>
5     e    47    land  land <NA>

Я хочу разделить только строку «here_do». Заранее спасибо за любую помощь!

r dataframe tidyr
06.01.2017

Ответы:


1

Другой подход:

cols_to_split = c('here_do')

clean_df <-df %>% 
     filter(text %in% cols_to_split) %>% 
     tidyr::separate(text,into=c("first","sec"),sep="_",remove=F) %>% 
     bind_rows(filter(df, !text %in% cols_to_split))


#  var_a var_b    text first  sec
#1     b     7 here_do  here   do
#2     a    26 foo_bla  <NA> <NA>
#3     c    23  oh_yes  <NA> <NA>
#4     d     2     baa  <NA> <NA>
#5     e    67    land  <NA> <NA>

Если вам нужно сохранить остальные строки в столбце «первый», вы можете использовать:

clean_df <-df %>% 
     filter(text %in% cols_to_split) %>% 
     tidyr::separate(text,into=c("first","sec"),sep="_",remove=F) %>% 
     bind_rows(filter(df, !text %in% cols_to_split)) %>% 
     mutate(first = ifelse(is.na(first), as.character(text), first))

#  var_a var_b    text   first  sec
#1     b     7 here_do    here   do
#2     a    26 foo_bla foo_bla <NA>
#3     c    23  oh_yes  oh_yes <NA>
#4     d     2     baa     baa <NA>
#5     e    67    land    land <NA>
06.01.2017
  • хорошая попытка, но OP хочет, чтобы столбец first имел остальную часть text как есть. это я понял из вопроса 06.01.2017
  • @akrun нет .. ты столкнулся? 06.01.2017
  • Спасибо за разные подходы! Я многому научился, прочитав ваши ответы, я принимаю этот, потому что мне не нужно указывать шаблон, который будет использоваться для разделения, а также его можно обобщить на другие проблемы, с которыми я сталкиваюсь при использовании dplyr и тайдыр. 06.01.2017

    • 2

    Мы можем сделать это в base R, заменив разделитель для «здесь_делать» в столбце «текст», т.е. изменить его на «здесь, сделать», используя sub, прочитать его с помощью read.csv и cbind с исходным набором данных.

    cbind(df,  read.csv(text=sub("(?<=here)_(?=do)", ",", df$text,
       perl = TRUE), header=FALSE, col.names = c("first", "sec")))
#  var_a var_b    text   first sec
#1     a    93 foo_bla foo_bla    
#2     b    51 here_do    here  do
#3     c    65  oh_yes  oh_yes    
#4     d    70     baa     baa    
#5     e    32    land    land

    Или, если нам нужно tidyr решение, используйте extract

    library(tidyr)
extract(df, text, into = c("first", "sec"), "(here)_(do)", remove = FALSE)
#  var_a var_b    text first  sec
#1     a    93 foo_bla  <NA> <NA>
#2     b    51 here_do  here   do
#3     c    65  oh_yes  <NA> <NA>
#4     d    70     baa  <NA> <NA>
#5     e    32    land  <NA> <NA>
    06.01.2017
    Новые материалы
    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
    ИИ в аэрокосмической отрасли
    Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..
    Для любых предложений по сайту: [email protected]