如何用data.table按/和,拆分多列生成笛卡尔积式多行数据？

源数据 #

library(data.table)
df <- data.table(
   b = c("a", "d/e/f", "g,h"),
   c = c("1", "2,3,4", "5/6")
)

需求说明 #

需要将列b（分隔符为逗号,和斜杠/）、列c（分隔符为逗号,和斜杠/）同时拆分，使每行拆分后的b元素与c元素形成笛卡尔积组合，得到目标格式的数据表。

解决方案 #

利用data.table的分组、字符串替换、拆分和交叉连接函数实现：

df_clean <- df[, {
  # 统一替换分隔符为逗号，拆分b列
  b_elements <- unlist(tstrsplit(gsub("/", ",", b), ","))
  # 统一替换分隔符为逗号，拆分c列
  c_elements <- unlist(tstrsplit(gsub("/", ",", c), ","))
  # 生成两列元素的交叉连接
  CJ(b = b_elements, c = c_elements)
}, by = .I][, .I := NULL]

结果验证 #

运行上述代码后，df_clean的结构与预期一致：

> df_clean
     b c
 1:  a 1
 2:  d 2
 3:  d 3
 4:  d 4
 5:  e 2
 6:  e 3
 7:  e 4
 8:  f 2
 9:  f 3
10:  f 4
11:  g 5
12:  g 6
13:  h 5
14:  h 6

代码解释 #

• by = .I：按原数据行索引分组，确保每行的b和c拆分元素仅在本行内组合，避免跨行混淆。
• gsub("/", ",", x)：将斜杠统一替换为逗号，实现用单一分隔符拆分多分隔符的字符串。
• tstrsplit：data.table专用拆分函数，高效拆分字符串为列表，unlist转为向量便于后续交叉连接。
• CJ：生成两个向量的笛卡尔积，完美匹配需求中每个b拆分元素对应所有c拆分元素的组合方式。

内容的提问来源于stack exchange，提问作者user19536418