9

Tenho um data.frame com uma coluna com strings do tipo "123-235-203".

Por exemplo, a linha:

string coluna1 coluna2
123-235-203 x y

Quero separar essa string, de forma que a linha que a contem se multiplique preservando os valores das outras colunas:

strsplit(string, "-")

Transformando a linha em 3 linhas.

string coluna1 coluna2
123 x y
235 x y
203 x y

Há uma forma de fazer isso usando dplyr ou tidyr?

2
  • Você quer que a coluna da string vire três colunas? 30/04/2015 às 0:31
  • @CarlosCinelli Desculpa, aí está. Eu quero separar a string, separar pelos traços e transformar em 3 linhas. 30/04/2015 às 1:09

3 Respostas 3

7

O próprio Hadley nos oferece a resposta na vignette do tidyr.

library(tidyr)
library(dplyr)
df <- data.frame(
x = 1:3,
y = c("a", "d,e,f", "g,h"),
stringsAsFactors = FALSE
)
df %>%
transform(y = strsplit(y, ",")) %>%
unnest(y)
1
  • de fato a sua solução é mais elegante :) 30/04/2015 às 2:05
5

Criar uma base para teste:

b <- data_frame(x = 1:10,y = 1:10, string = rep("123-235-203", 10))

Com o código a seguir você pode obter o que queria:

b %>% 
  separate(string, into = c('s1', 's2', 's3'), sep = '-') %>%
  gather(string, valor, -x, -y) %>%
  select(-string) %>%
  arrange(x)
  • A função separate do tidyr transforma a sua string em três colunas (s1, s2 e s3).
  • A função gather do tidyr multiplica as linhas.
  • A função selectdo dplyr retira a nova coluna stringque não é mais necessária.
  • O arrange é só para ficar mais fácil de entender.

O resultados está abaixo:

# Source: local data frame [30 x 3]
# 
#    x y valor
# 1  1 1   123
# 2  1 1   235
# 3  1 1   203
# 4  2 2   123
# 5  2 2   235
# 6  2 2   203
# 7  3 3   123
# 8  3 3   235
# 9  3 3   203
# 10 4 4   123
# .. . .   ...

No caso em que as strings podem ter tamanhos variáveis, mas existe um máximmo de "-"'s você pode fazer assim:

b <- data_frame(x = 1:10,y = 1:10, string = rep(c("123-203", "123-203-555"), length.out = 10))

b %>% 
  separate(string, sep = '-', into = c("s1", "s2", "s3"), extra = "merge") %>%
  gather(string, valor, -x, -y, na.rm = T) %>%
  select(-string) %>%
  arrange(x) 
  • adicionei o argumento extra = "merge" no separate para que ele não retorne erro.
  • adicionei o argummento na.rm = T para que ele não crie linhas com NA.
3
  • acho que isso não resolveria o problema, se as strigs são diferentes. Vamos supor que uma é "123-345" e a outra é "123-12-345". A primeira rende 2 strings e a segunda, 3. De qualquer forma, achei uma forma no próprio tidyr. Vou postar a resposta embaixo. O Hadley é mesmo genial. 30/04/2015 às 1:25
  • você tem razão, não tinha entendido que isso podia ser variável. Existe um máximo pelo menos? 30/04/2015 às 1:31
  • acabei de postar uma resposta... 30/04/2015 às 1:44
3

Aqui é uma solução usando o pacote data.table

> library(data.table)
> dTbl <- data.table(x = 1:3, y = c("a", "d,e,f", "g,h"))
> dTbl[, .(y=unlist(strsplit(y, ','))), by=x]
   x y
1: 1 a
2: 2 d
3: 2 e
4: 2 f
5: 3 g
6: 3 h
>

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .