R - 将文本字符串解析为多列并提取数据值

Question

我有一个如下所示形式的大型数据集：

ID	分数
1	英语 3、法语 7、地理 8
2	西班牙语 7、古典 4
3	物理 5、英语 5、体育 7、艺术 4

我需要将“分数”列中的文本字符串解析为每个主题的单独列，并将每个人的分数存储为数据值，如下所示：

ID	英语	法语	地理	西班牙语	经典	物理	聚乙烯醇	艺术
1	3	7	8	-	-	-	-	-
2	-	-	-	7	4	-	-	-
3	5	-	-	-	-	5	7	4

我无法手动预定义列，因为完整数据集中有 100 个列。到目前为止，我已经清理了数据以删除不一致的大写，并将每个主题标记配对分成不同的列，如下所示：

df$scores2 <- str_to_lower(df$Scores)
split <- separate(
  df,
  scores2,
  into = paste0("Subject", 1:8),
  sep = "\\,",
  remove = FALSE,
  convert = FALSE,
  extra = "warn",
  fill = "warn",
)

我已经查看了有关该主题的多个问题，例如将不规则文本列拆分为 r 中的多个列，但我找不到列标题和数据值混合在文本字符串中的另一种情况。如何生成所需的全套列，然后填充数据值？

Answer 1

您可以首先将strsplit列Scores拆分为主题分数对（将在列表中），然后将unnest列表列拆分为行。然后将separate科目分数配对到Subject和Score列中。最后将数据从“长”格式转换为“宽”格式。

\n

谢谢@G。Grothendieck 改进了我的代码:)

\n

library(tidyverse)\n\ndf %>% \n  separate_rows(Scores, sep = ", ") %>% \n  separate(Scores, sep = " ", into = c("Subject", "Score")) %>% \n  pivot_wider(names_from = "Subject", values_from = "Score")\n\n# A tibble: 3 \xc3\x97 9\n     ID English French Geography Spanish Classics Physics PE    Art  \n  <int> <chr>   <chr>  <chr>     <chr>   <chr>    <chr>   <chr> <chr>\n1     1 3       7      8         NA      NA       NA      NA    NA   \n2     2 NA      NA     NA        7       4        NA      NA    NA   \n3     3 5       NA     NA        NA      NA       5       7     4    \n

\n