R 將 Data Frame 一欄文字分割成多欄位教學與範例

介紹如何將 data frame 中的一欄文字，依據分隔符號切割成多個不同的欄位。

假設我們現在有一個 data frame，其資料如下：

# 原始資料
raw.df <- data.frame(
  name = c("Mary", "Joe", "John"),
  info = c("54.5;172;56", "63.2;179;45", "49.2;168;38")
)
raw.df

  name        info
1 Mary 54.5;172;56
2  Joe 63.2;179;45
3 John 49.2;168;38

其中 info 欄位中儲存了體重、身高與年紀三項數值，但是這些資料以分號（;）分隔，都放在同一個 info 欄位中，沒辦法直接取用。

strsplit 函數

若要將字串依據指定分隔符號，分割成多個子字串，傳統上可以使用 strsplit 函數，不過其得到的結果是一個列表（list），使用上並不是非常方便：

# 單純分割字串（不好用！）
strsplit(as.character(raw.df$info), ";")

[[1]]
[1] "54.5" "172"  "56"  

[[2]]
[1] "63.2" "179"  "45"  

[[3]]
[1] "49.2" "168"  "38"

stringr 套件

若在分割欄位為固定數量的情況下，stringr 套件的 str_split_fixed 函數可以直接將結果轉為字串的矩陣：

library(stringr)

# 將每一字串分割成 3 欄
str_split_fixed(raw.df$info, ";", 3)

     [,1]   [,2]  [,3]
[1,] "54.5" "172" "56"
[2,] "63.2" "179" "45"
[3,] "49.2" "168" "38"

tidyr 套件

若要將 info 欄位以分號分割成三個欄位，並且直接放進原 data frame 中，可以使用 tidyr 套件所提供的 separate 函數：

library(tidyr)

# 將每一字串分割成 3 欄，並新增至 Data Frame 中
new.df <- separate(raw.df, info, c("weight", "height", "age"), ";")
new.df

  name weight height age
1 Mary   54.5    172  56
2  Joe   63.2    179  45
3 John   49.2    168  38

這樣就會將原本的 info 欄位替換為新的 weight、height 與 age。不過這些資料預設還是會保持字串的型態：

# 檢視資料結構
str(new.df)

'data.frame':   3 obs. of  4 variables:
 $ name  : Factor w/ 3 levels "Joe","John","Mary": 3 1 2
 $ weight: chr  "54.5" "63.2" "49.2"
 $ height: chr  "172" "179" "168"
 $ age   : chr  "56" "45" "38"

若想讓它自動轉換為數值或布林值，可以加上 convert = TRUE 參數：

# 將每一字串分割成 3 欄，並新增至 Data Frame 中
new.df.conv <- separate(raw.df, info, c("weight", "height", "age"), ";", convert = TRUE)

# 檢視資料結構
str(new.df.conv)

'data.frame':   3 obs. of  4 variables:
 $ name  : Factor w/ 3 levels "Joe","John","Mary": 3 1 2
 $ weight: num  54.5 63.2 49.2
 $ height: int  172 179 168
 $ age   : int  56 45 38

這樣就可以快速將一欄字串分割成多個欄位，進行後續的分析了。

參考資料：StackOverflow