如何用R语言拆分数据框所有列的双字符值为两列？

针对20万列双字符数据框的拆分需求，以下是几种高效可行的方法：

1. 用tidyverse批量处理（适合熟悉tidy生态的场景） #

利用purrr的map_dfc函数遍历所有列，结合stringr::str_split_fixed完成拆分后按列合并：

library(tidyverse)

# 假设原数据框名为df
split_df <- df %>%
  map_dfc(~ str_split_fixed(., "", 2) %>% as.data.frame())

# 重命名拆分后的列（原列名_1、原列名_2格式）
new_col_names <- expand.grid(names(df), c("_1", "_2")) %>%
  mutate(full_name = paste(Var1, Var2, sep = "")) %>%
  pull(full_name)
colnames(split_df) <- new_col_names

map_dfc会自动将每列拆分后的两列按顺序拼接，避免循环的低效问题。

2. 用data.table高效处理（适合大数据量场景） #

20万列属于高维度数据，data.table的操作效率更优，用tstrsplit函数批量拆分：

library(data.table)

setDT(df)
target_cols <- names(df)

# 批量生成拆分表达式
split_expressions <- lapply(target_cols, function(col) {
  sprintf("tstrsplit(%s, '', fixed = TRUE)", col)
}) %>% unlist()

# 执行拆分并生成结果数据框
split_df <- df[, eval(parse(text = paste(split_expressions, collapse = ",")))]

# 重命名列
setnames(split_df, apply(expand.grid(target_cols, c("_1", "_2")), 1, paste, collapse = ""))

tstrsplit是data.table专为字符串拆分设计的函数，批量生成表达式后一次性执行，大幅提升处理速度。

3. 修正for循环写法（解决原循环填充异常问题） #

如果偏好循环，需确保初始化结果容器并正确合并列，避免内存溢出或列混乱：

library(stringr)

# 初始化空结果数据框，行数与原数据一致
split_df <- data.frame(matrix(nrow = nrow(df), ncol = 0))

for (col_name in names(df)) {
  # 拆分当前列
  current_split <- str_split_fixed(df[[col_name]], "", 2) %>% as.data.frame()
  # 给拆分后的列命名
  colnames(current_split) <- paste(col_name, c("_1", "_2"), sep = "")
  # 合并到结果数据框
  split_df <- cbind(split_df, current_split)
}

注意：循环处理20万列速度较慢，每次cbind都会复制数据框，仅推荐小体量数据或调试场景使用。

额外注意事项 #

• 确保内存充足：拆分后列数翻倍至40万，需提前确认系统内存可容纳；
• 拆分时用fixed = TRUE：避免正则表达式解析，加快拆分速度。

内容的提问来源于stack exchange，提问作者Camille Rumberger