在R中将Tesseract OCR生成的列表转换为规范数据框

需求说明 #

• 将table_df2的列名重命名：V1→Year，month_list→Month，us_total→U.S. Totals
• 将values中的数据按每9个一组拆分，作为9列追加到U.S. Totals列右侧，每组对应table_df2的一行

代码实现 #

1. 重命名现有列

可使用基础R方法或dplyr包工具：

# 基础R重命名方法
colnames(table_df2) <- c("Year", "Month", "U.S. Totals")

# 若使用dplyr包
# library(dplyr)
# table_df2 <- table_df2 %>% 
#   rename(Year = V1, 
#          Month = month_list, 
#          `U.S. Totals` = us_total)

2. 处理并拆分values数据

values包含118个元素（含1个空值），先清理空值，再按9个一组转换为匹配主数据框行数的列：

# 清理空值并截取对应13行的117个元素
values_clean <- values$table_df[values$table_df != ""][1:117]

# 转换为9列的数据框，按行填充对应主数据框的每行
additional_cols <- as.data.frame(
  matrix(values_clean, 
         ncol = 9, 
         byrow = TRUE)
)

# 为新增列命名（可根据实际业务场景修改）
colnames(additional_cols) <- paste0("Region_", 1:9)

3. 合并数据框

将处理后的新增列与重命名后的主数据框合并：

final_df <- cbind(table_df2, additional_cols)

验证结果 #

可通过以下代码查看最终数据框结构：

# 查看前5行
head(final_df, 5)
# 查看数据类型与结构
str(final_df)

内容的提问来源于stack exchange，提问作者data_life