Créer une nouvelle colonne avec dplyr de muter et de sous-chaîne de la colonne existante

J'ai un dataframe avec une colonne de chaînes et souhaitez extraire des sous-chaînes de ces dans une nouvelle colonne.

Voici un exemple de code et les données montrant que je veux prendre de la chaîne après le dernier caractère de soulignement dans le id colonne afin de créer un new_id colonne.
Le id entrée de la colonne a toujours 2 caractères de soulignement et c'est toujours la dernière sous-chaîne que j'aimerais.

df = data.frame( id = I(c("abcd_123_ABC","abc_5234_NHYK")), x = c(1.0,2.0) )

require(dplyr)

df = df %>% dplyr::mutate(new_id = strsplit(id, split="_")[[1]][3])

Je m'attendais à strsplit d'agir sur chaque ligne à son tour.

Cependant, la new_id colonne ne contient que ABC dans chaque ligne, alors que je voudrais ABC dans la ligne 1 et NHYK dans la ligne 2. Savez-vous pourquoi cela échoue et la façon d'atteindre ce que je veux?

c'est en raison de votre appel à strsplit. le [[1]] attrape toujours le premier élément de la liste.
dans la base de R, c'est aussi simple que d'une petite regex magie: df$newVar <- sub(".*_([A-Z]+)$", "\\1", df$id).

OriginalL'auteur PM. | 2017-02-01

  1. 15

    Vous pouvez utiliser stringr::str_extract:

    library(stringr)

 df %>%
   dplyr::mutate(new_id = str_extract(id, "[^_]+$"))


#>              id x new_id
#> 1  abcd_123_ABC 1    ABC
#> 2 abc_5234_NHYK 2   NHYK

    La regex dit, correspondre à un ou plusieurs (+) des personnages qui ne sont pas _ (la négation de la [^ ]), suivie par la fin de la chaîne ($).

    OriginalL'auteur Sam Firke

  2. 8

    Utilisation dplyr::rowwise:

    df %>% dplyr::rowwise() %>% dplyr::mutate(new_id = strsplit(id, split="_")[[1]][3])

    Autres solutions sont abordées ici:

    http://www.expressivecode.org/2014/12/17/mutating-using-functions-in-dplyr/

    Notez que ce sera plus lent qu'à l'ordinaire dplyr comme il ne peut pas bénéficier de vectorisé opérations. Pourtant, +1 pour l'astuce.

    OriginalL'auteur Philipp Merkle

  3. 8

    Une alternative sans regex et en gardant à l' tidyverse style est à utiliser tidyr::separate(). Remarque, ce n'supprimer la colonne d'entrée par défaut (remove=FALSE pour éviter cela).

    ## using your example data
df = data.frame( id = I(c("abcd_123_ABC","abc_5234_NHYK")), x = c(1.0,2.0) )

## separate knowing you will have three components
df %>% separate(id, c("first", "second", "new_id"), sep = "_") %>% select(-first, -second)
## returns
  new_id x
1    ABC 1
2   NHYK 2

    OriginalL'auteur vincentmajor

  4. 1

    Voici une façon d'utiliser strsplit d'une manière générale pour faire ce que vous cherchez. 

    library(dplyr)
df = data.frame( id = I(c("abcd_123_ABC","abc_5234_NHYK")), x = c(1.0,2.0) )

temp <- seq(from=3, by=3, length.out = length(df))
dfn <- df %>% dplyr::mutate(new_id = unlist(strsplit(id, split="_"))[temp])

> dfn
             id x new_id
1  abcd_123_ABC 1    ABC
2 abc_5234_NHYK 2   NHYK

    OriginalL'auteur Lloyd Christmas