cSplit库(拆分堆栈形状)总是删除列

Question

我正在寻找一种通过分隔符分割列内容并将表转换为长格式的方法。我从cSplit包中找到了splitstackshape，它几乎完成了我想要的东西。

现在的问题是drop选项。我预期我的拆分列会以某种方式被复制，但这种情况并没有发生。我做错了吗？有人经历过这个问题？

我不确定我是否做错了什么，但是drop = FALSE选项在我的情况下行不通。

下面是一个示例：

library(splitstackshape)
jnk <- data.table(a = '1,2,3,4,5', b = 5)
jnk
#            a b
# 1: 1,2,3,4,5 5

cSplit(jnk, 'a', ',', 'long', drop = FALSE)
#    a b
# 1: 1 5
# 2: 2 5
# 3: 3 5
# 4: 4 5
# 5: 5 5

我所期待的是这样的事情：

cSplit(jnk, 'a', ',', 'long', drop = FALSE)
#    a b    a.orig
# 1: 1 5 1,2,3,4,5
# 2: 2 5 1,2,3,4,5
# 3: 3 5 1,2,3,4,5
# 4: 4 5 1,2,3,4,5
# 5: 5 5 1,2,3,4,5

我使用的是1.4.2版本

Answer 1

“长”格式使用list(unlist(...))在"data.table“中修改列，该列与:=一起分配。因此，如果使用drop，您将拆分该列，然后删除它！

我将尝试在文档中明确说明drop只适用于wide格式，或者如果用户试图以长格式使用drop，则添加message。欢迎访问提交FR或提交PR。

解决办法是分配另一列(例如"a_orig")，然后执行拆分：

jnk <- data.table(a=c('1,2,3,4,5','1,2,3','2,3'),b=c(5,4,3))
cSplit(jnk[, a_orig := a], "a", ",", "long")
#     a b    a_orig
#  1: 1 5 1,2,3,4,5
#  2: 2 5 1,2,3,4,5
#  3: 3 5 1,2,3,4,5
#  4: 4 5 1,2,3,4,5
#  5: 5 5 1,2,3,4,5
#  6: 1 4     1,2,3
#  7: 2 4     1,2,3
#  8: 3 4     1,2,3
#  9: 2 3       2,3
# 10: 3 3       2,3

我还没有进行广泛的测试，但可能的解决办法是：

cSplit2 <- function(indt, splitCols, sep = ",", direction = "wide", 
                    fixed = TRUE, drop = TRUE, stripWhite = TRUE, 
                    makeEqual = NULL, type.convert = TRUE) {
  if (direction == "long" & !drop) {
    indt <- as.data.table(indt)
    indt[, `:=`(eval(paste(splitCols, "orig", sep = "_")),
                lapply(splitCols, function(x) indt[[x]]))]
  }
  cSplit(indt, splitCols, sep, direction, fixed, drop, stripWhite, 
         makeEqual, type.convert)
}

其基本思想是仅在direction == "wide"和drop = FALSE情况下更改输入数据集。这与您的想法类似，但可能是集成到实际包中的解决方案，就在第94行的某个地方。在这种情况下，应该只需要indt[, `:=`(eval(paste(splitCols, "orig", sep = "_")), lapply(splitCols, function(x) indt[[x]]))]部分。

Answer 2

谢谢你的反馈，我写了一个小函数作为解决办法。为了使它正常工作，我不得不将data.table转换为data.frame。对于data.table，我需要设置一个额外的参数，但它会与data.frame崩溃。在我的情况下，我大部分时间都需要data.frame，所以我对它进行了优化。

library(splitstackshape)
jnk <- data.frame(a = c('1,2,3,4,5','1,2,3','2,3'),
                  b = c('a,b,c,d,e','a,b,c','a,b'),
                  c = c(5,4,3))
jnk

myCSplit <- function(data_set, splitCols, sep = ',', direction = 'long', drop = TRUE, ...) {
  if(direction == 'long' & !drop) {
    orig_names <- sub('$', '_orig', splitCols)
    df <- as.data.frame(data_set[,splitCols])
    names(df) <- orig_names
    df2 <- cbind(data_set, df)
    return(cSplit(df2, splitCols, sep, 'long'))
  } else {
    return(cSplit(data_set, splitCols, sep, direction, drop = drop,...))
  }
}
myCSplit(jnk, 'a', ',')
myCSplit(jnk, 'a', ',', drop = FALSE)
myCSplit(jnk, 'a', ',', 'wide')
myCSplit(jnk, 'a', ',', 'wide', drop = FALSE)
myCSplit(jnk, c('a','b'), ',', 'long', drop = FALSE)