Re: [問題] dataframe字串切割

[celestialgod (天)]

※ 引述《wmj10054039 (MJ)》之銘言：
: [問題類型]:
: 程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
: [軟體熟悉度]:
: 入門(寫過其他程式，只是對語法不熟悉)
: [問題敘述]:
: 我目前整理了一份學校所有課程的時間表，想知道不同星期，不同地點，各時段的
: 人數統計。dataframe資料範例如下:
: 流水號  課程名稱        時間     地點  人數
: 102            A  二3,4四5,7       甲    10
: 248            B     一1,2,3       乙    20
: 314            C  三4五7,8,a       丙     5
: 想請問各位可以用甚麼方法對時間那一欄作字串切割變成以下新的dataframe
: 流水號  課程名稱    星期  節次  地點 人數
: 102            A      二     3    甲   10
: 102            A      二     4    甲   10
: 102            A      四     5    甲   10
: 102            A      四     7    甲   10
: 248            B      一     1    乙   20
: 248            B      一     2    乙   20
: .              .
: .              .
: .              .
: 目前想法只有想到for迴圈搭配strspilt，但還是想不到實際寫法，麻煩各位指教了，謝謝
: [環境敘述]
: R version 3.4.2

程式：

library(data.table)
library(pipeR)
library(stringr)

dataStr <- "流水號  課程名稱        時間     地點  人數
102            A  二3,4四5,7       甲    10
248            B     一1,2,3       乙    20
314            C  三4五7,8,a       丙     5"

removeEmptyFunc <- function(x) x[nchar(x) > 0]
fread(dataStr) %>>%
  `[`(j = `:=`(星期 = str_split(時間, "[a-zA-Z0-9,]+") %>>%
                       lapply(removeEmptyFunc),
               節次 = str_split(時間, "[^a-zA-Z0-9,]+") %>>%
                       lapply(removeEmptyFunc))) %>>%
  `[`(j = .(星期 = unlist(星期), 節次 = unlist(節次)),
         by = .(流水號, 課程名稱, 地點, 人數)) %>>%
  `[`(j = `:=`(節次 = str_split(節次, ","))) %>>%
  `[`(j = .(節次 = unlist(節次)), by = .(流水號, 課程名稱, 地點, 人數, 星期))


## no pipe 程式碼

dataDT <- fread(dataStr)
dataDT[ , `:=`(星期 = lapply(str_split(時間, "[a-zA-Z0-9,]+"),
                             removeEmptyFunc),
               節次 = lapply(str_split(時間, "[^a-zA-Z0-9,]+"),
                             removeEmptyFunc))]
tmpDT <- dataDT[ , .(星期 = unlist(星期), 節次 = unlist(節次)),
                 by = .(流水號, 課程名稱, 地點, 人數)]
tmpDT[ , `:=`(節次 = str_split(節次, ","))]
tmpDT[ , .(節次 = unlist(節次)), by = .(流水號, 課程名稱, 地點, 人數, 星期)]

結果：

#     流水號 課程名稱 地點 人數 星期 節次
#  1:    102        A   甲   10   二    3
#  2:    102        A   甲   10   二    4
#  3:    102        A   甲   10   四    5
#  4:    102        A   甲   10   四    7
#  5:    248        B   乙   20   一    1
#  6:    248        B   乙   20   一    2
#  7:    248        B   乙   20   一    3
#  8:    314        C   丙    5   三    4
#  9:    314        C   丙    5   五    7
# 10:    314        C   丙    5   五    8
# 11:    314        C   丙    5   五    a


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 206.189.81.226
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1528129690.A.7B9.html
※ 編輯: celestialgod (206.189.81.226), 06/05/2018 00:31:28
推 jasonfghx: GOD~~
推 wmj10054039: 太強了 跪～ 謝謝c大還特地回文，真的有成功作出來了
→ wmj10054039: 。不過小弟還太弱，你程式碼的有些語法我還在研究中.
→ wmj10054039: 我想再請教一下c大，如果我今天只想要把節次的頭尾
→ wmj10054039: 取出 譬如 “四1，2，3五7，8” 取出變成 時間=c(“
→ wmj10054039: 四”, “四”, “五”, “五”) 節次=c(1, 3, 7, 8)
→ wmj10054039: 這樣的話 有什麼方向可以指點一下嗎 非常感謝
→ celestialgod: 沒看懂問題，可以再說詳細一點嗎？
推 andrew43: 他應該是指連續超過二小時的課指取出頭和尾
→ Wush978: 切好之後針對相同的四、五的數字用diff切斷點後再抓