如何在R中重构Datacamp上格式异常的阿姆斯特丹大学Dataframe？

解决步骤 #

你的数据框存在两个核心问题：一是仅含一个用点连接的长列名，二是所有数据以分号分隔在同一列中。可以通过以下步骤拆分并重构：

1. 拆分数据列：将分号分隔的字符串拆分为独立列
2. 提取并拆分列名：从长列名中提取各独立列的名称
3. 数据类型转换：将字符型数据转为数值型（适配大部分字段的数值属性）

代码实现（Tidyverse 版本） #

# 加载必要包
library(dplyr)
library(tidyr)
library(stringr)

# 1. 拆分数据列：处理空值并生成临时列名
data_clean <- data %>%
  separate(
    col = 1, 
    into = paste0("col_", 1:(max(str_count(.[[1]], ";")) + 1)), 
    sep = ";", 
    fill = "right"
  )

# 2. 提取并拆分原始长列名，得到真实列名
original_colname <- colnames(data)[1]
# 使用正则拆分：仅拆分作为列分隔符的点（不拆分列名内部的点，如ST.timing_1）
new_colnames <- str_split(original_colname, "\\.(?=[A-Za-z_])")[[1]]

# 为新数据框设置列名
colnames(data_clean) <- new_colnames

# 3. 将所有列转为数值型
data_clean <- data_clean %>%
  mutate(across(everything(), as.numeric))

代码实现（Base R 版本） #

如果你不想加载额外包，可以用基础R实现：

# 1. 拆分数据为列表，再转为矩阵
data_list <- strsplit(data[[1]], ";")
data_matrix <- do.call(rbind, data_list)

# 2. 转为数据框
data_clean <- as.data.frame(data_matrix, stringsAsFactors = FALSE)

# 3. 拆分并设置列名
original_colname <- colnames(data)[1]
new_colnames <- strsplit(original_colname, "\\.(?=[A-Za-z_])")[[1]]
colnames(data_clean) <- new_colnames

# 4. 转换数据类型为数值型
data_clean[] <- lapply(data_clean, as.numeric)

验证结果 #

重构完成后，你可以再次运行以下代码验证：

# 查看列名
colnames(data_clean)
# 查看前3行数据
head(data_clean, 3)
# 计算Finished列的和
sum(data_clean$Finished, na.rm = TRUE)

内容的提问来源于stack exchange，提问作者Edwin