Mam dataframe że zawiera kolumnę liczb takiego:Dzielenie długi ciąg na mniejsze ciągi
360010001001002
360010001001004
360010001001005
360010001001006
Chciałbym złamać na kawałki 2 cyfr, 3 cyfry, 5 cyfr, 1 cyfra 4 cyfry:
36 001 00010 0 1002
36 001 00010 0 1004
36 001 00010 0 1005
36 001 00010 0 1006
to wydaje się, że powinna być prosta, ale czytam dokumentację strsplit i nie mogę uporządkować jak zrobiłbym to przez długościach.
Przyjmując te dane:
x <- c("360010001001002", "360010001001004", "360010001001005", "360010001001006")
try to:
read.fwf(textConnection(x), widths = c(2, 3, 5, 1, 4))
Jeśli numer jest x, należy zamienić x na as.character(x) w tym zestawieniu.
Można użyć substring (zakładając długość sznurka/liczba jest stała):
xx <- c(360010001001002, 360010001001004, 360010001001005, 360010001001006)
out <- do.call(rbind, lapply(xx, function(x) as.numeric(substring(x,
c(1,3,6,11,12), c(2,5,10,11,15)))))
out <- as.data.frame(out)
wersja funkcjonalna:
split.fixed.len <- function(x, lengths) {
cum.len <- c(0, cumsum(lengths))
start <- head(cum.len, -1) + 1
stop <- tail(cum.len, -1)
mapply(substring, list(x), start, stop)
}
a <- c(360010001001002,
360010001001004,
360010001001005,
360010001001006)
split.fixed.len(a, c(2, 3, 5, 1, 4))
# [,1] [,2] [,3] [,4] [,5]
# [1,] "36" "001" "00010" "0" "1002"
# [2,] "36" "001" "00010" "0" "1004"
# [3,] "36" "001" "00010" "0" "1005"
# [4,] "36" "001" "00010" "0" "1006"
+1 - fajne użytkowanie (jak zwykle) z mapply tutaj! :) – Arun
(Wow, to zadanie jest bardzo niezgrabne i bolesne w porównaniu do Pythona. Anyhoo ...)
PS Widzę teraz głównym zamiarem było konwertować wektorem fragmentu o długości do par indeksów. Można użyć cumsum(), a następnie posortować indeksy wszystko razem:
ll <- c(2,3,5,1,4)
sort(c(1, cumsum(ll), (cumsum(ll)+1)[1:(length(ll)-1)]))
# now extract these as pairs.
Ale to dość bolesne. flodel - odpowiedź jest lepsza.
Co do faktycznego zadania podziału na d.f. kolumny, i robi to skutecznie:
stringr::str_sub() łączy elegancko z plyr::ddply()/ldply
require(plyr)
require(stringr)
df <- data.frame(value=c(360010001001002,360010001001004,360010001001005,360010001001006))
df$valc = as.character(df$value)
df <- ddply(df, .(value), mutate, chk1=str_sub(valc,1,2), chk3=str_sub(valc,3,5), chk6=str_sub(valc,6,10), chk11=str_sub(valc,11,11), chk14=str_sub(valc,12,15))
# value valc chk1 chk3 chk6 chk11 chk14
# 1 360010001001002 360010001001002 36 001 00010 0 1002
# 2 360010001001004 360010001001004 36 001 00010 0 1004
# 3 360010001001005 360010001001005 36 001 00010 0 1005
# 4 360010001001006 360010001001006 36 001 00010 0 1006
Można użyć tej funkcji z stringi pakietu
splitpoints <- cumsum(c(2, 3, 5, 1,4))
stri_sub("360010001001002",c(1,splitpoints[-length(splitpoints)]+1),splitpoints)
jest głównym zamiarem a) ** konwertować wektor podłańcuchowych długości w pary indeksów ** lub b) ** dzielenie na df kolumny i rób to wydajnie **: rozbij fragmenty jako nowe oddzielne d.f. column (-> ddply (transform, ...)), lub po prostu wykonaj jakąś operację na łańcuchach (np. wstaw "-") w tej samej kolumnie? (-> ldply) – smci
Mój problem jest już dawno rozwiązany, ale ponieważ zapytałeś ... tak: Chciałem te kawałki jako osobne kolumny. To numer identyfikacyjny. Musiałbym wrócić i wyglądać dokładnie, ale fragmenty mają znaczenie: "36" to stan, "001" powiat, "00010" blok lub coś takiego. – Amanda
Dobrze, ale moje pytanie: czy to naprawdę nie miało dla ciebie znaczenia, czy podałeś arbitralny wektor 'widths = c (2,3,5,1,4)' zamiast zwykłych starych par indeksów: (1 , 2), (3,5), (6,10), (11,11), (12,15). Kilku respondentów zostało zawieszonych na temat tego, czy owa arytmetyczna informacja zbiorcza jest kluczową częścią twojego pytania. Okazuje się, że tak nie było. Możesz zmienić dla jasności. – smci