使用R语言mutate+strsplit创建新变量结果不符合预期的问题求助

我尝试用dplyr的mutate函数，对dataframe的filename列调用strsplit做字符串分割，创建LotCode和ModelName两个新变量，但运行后所有行的新变量值都是第一行的结果，没法得到每行对应的正确分割值。

代码示例：

myDF = data.frame(filename = c("T9719178_Mazda_20230415",
                           "T9719179_Mazda_20230415", 
                           "T9719180_Mazda_20230415", 
                           "T9719001_Tesla_20230415", 
                           "T9719002_Tesla_20230415", 
                           "T9719003_Tesla_20230415"))

myDF%>%
mutate(LotCode = as.factor(strsplit(filename,"_",fixed=TRUE)[[1]][1]))%>%
mutate(ModelName = as.factor(strsplit(filename,"_",fixed=TRUE)[[1]][2]))

当前输出所有行的LotCode都是T9719178、ModelName都是Mazda，期望每行对应分割后的正确值，问题出在哪？

原因分析 #

strsplit函数接收向量输入时，会返回一个列表，列表里每个元素对应原向量中每行的分割结果。你代码里用[[1]]直接提取了列表的第一个元素（也就是第一行filename分割后的结果），然后mutate会把这个单一值循环填充到所有行，所以所有行都显示第一行的分割值。

解决办法 #

方法1：用purrr的map函数处理strsplit返回的列表

借助purrr包的map_chr函数，逐个提取列表中每个元素的对应位置：

library(dplyr)
library(purrr)

myDF = data.frame(filename = c("T9719178_Mazda_20230415",
                               "T9719179_Mazda_20230415", 
                               "T9719180_Mazda_20230415", 
                               "T9719001_Tesla_20230415", 
                               "T9719002_Tesla_20230415", 
                               "T9719003_Tesla_20230415"))

myDF %>%
  mutate(
    LotCode = as.factor(map_chr(strsplit(filename, "_", fixed=TRUE), 1)),
    ModelName = as.factor(map_chr(strsplit(filename, "_", fixed=TRUE), 2))
  )

方法2：用tidyr的separate函数（更简洁）

tidyr包的separate是专门用于分割列的函数，语法更直观，不需要手动处理列表：

library(dplyr)
library(tidyr)

myDF %>%
  separate(filename, into = c("LotCode", "ModelName", "Date"), sep = "_") %>%
  mutate(across(c(LotCode, ModelName), as.factor))

这里into参数指定分割后生成的列名，sep指定分隔符，最后用across批量转换为因子类型。

内容的提问来源于stack exchange，提问作者BharatAyya