在data.frame上应用strsplit()出现非预期输出的问题

问题重现 #

你有如下DataFrame和两个处理函数：

DataFrame代码 #

s_words <- c("one,uno", "two,dos", "three,tres", "four,cuatro")
n_nums <- c(10, 20, 30, 40)
df1 <- data.frame(n_nums, s_words) 

自定义函数代码 #

f_op1 <- function(s_input) {
  s_ret <- paste0("***", s_input, "***")
  return(s_ret)
}

f_op2 <- function(s_input) {
  a_segments <- unlist(strsplit(s_input, split="\\W+"))
  s_eng <- a_segments[1]
  s_spa <- a_segments[2]
  s_ret <- paste0("*", s_eng, "***", s_spa, "*")
  return(s_ret)
}

当你将函数应用到DataFrame列时：

df1$s_op1 <- f_op1(df1$s_words)
df1$s_op2 <- f_op2(df1$s_words)

发现s_op2列所有行均为*one***uno*，而非每行对应s_words字段拆分后的拼接结果（比如第二行应为*two***dos*）。

问题原因 #

核心问题出在strsplit的行为上：

• 当传入向量给strsplit时，它返回的是一个列表，列表中每个元素对应原向量里单个字符串的拆分结果。
• 你用unlist()把整个列表拆成了一个扁平向量，此时a_segments[1]和a_segments[2]只会取到原向量第一个字符串拆分后的前两个元素，导致所有行都复用了这个结果。

解决方案 #

方法1：修改函数，遍历处理每个元素 #

修改f_op2，用sapply遍历向量中的每个字符串，确保每行都得到独立的处理结果：

f_op2 <- function(s_input) {
  sapply(s_input, function(x) {
    a_segments <- unlist(strsplit(x, split="\\W+"))
    paste0("*", a_segments[1], "***", a_segments[2], "*")
  })
}

或者用purrr包的map_chr（更简洁的遍历方式）：

library(purrr)
f_op2 <- function(s_input) {
  map_chr(s_input, function(x) {
    a_segments <- strsplit(x, split="\\W+")[[1]]
    paste0("*", a_segments[1], "***", a_segments[2], "*")
  })
}

方法2：用tidyverse工具拆分后拼接 #

如果你的实际逻辑允许，也可以不用自定义函数，直接用tidyr和dplyr完成拆分与拼接：

library(tidyr)
library(dplyr)

df1 <- df1 %>%
  separate(s_words, into = c("eng", "spa"), sep = "\\W+", remove = FALSE) %>%
  mutate(s_op2 = paste0("*", eng, "***", spa, "*")) %>%
  select(-eng, -spa)

验证结果 #

应用修改后的函数或tidyverse代码后，df1$s_op2会得到预期结果：

内容的提问来源于stack exchange，提问作者Alejandro Bermúdez