如何在R中用dplyr将行字符向量拆分为未知数量的列？

问题背景 #

给定以下结构的数据框：

需要将var列按逗号拆分，自动生成足够数量的列，长度不足的单元格用NA填充，最终得到类似如下的结果：

可复现代码：

date = seq(as.Date("2022/1/1"), as.Date("2022/1/2"), by = "day")
var = c("a,b,c,d,e,h","a,b,c,d,e,f,i,z")
df = tibble(date,var)

解决方案 #

方法1：使用tidyr::separate_wider_delim（推荐）

这是tidyr包专为未知分隔数量场景设计的函数，自动识别最长拆分长度并生成对应列，不足部分填充NA：

library(tidyverse)

df_processed <- df %>%
  separate_wider_delim(var, delim = ",", names = "var{number}")

# 查看结果
print(df_processed)

输出：

# A tibble: 2 × 8
  date       var1  var2  var3  var4  var5  var6  var7 
  <date>     <chr> <chr> <chr> <chr> <chr> <chr> <chr>
1 2022-01-01 a     b     c     d     e     h     NA   
2 2022-01-02 a     b     c     d     e     f     i    
# ℹ 1 more variable: var8 <chr>

方法2：str_split + unnest_wider

先将字符串拆分为列表，再展开为多列：

df_processed <- df %>%
  mutate(var = str_split(var, ",")) %>%
  unnest_wider(var, names_sep = "") %>%
  rename_with(~paste0("var", stringr::str_remove(.x, "...")), starts_with("..."))

print(df_processed)

方法3：separate配合动态列数计算

如果一定要使用dplyr::separate，需先计算最长拆分长度，再指定列名：

# 计算需要的最大列数
max_col_count <- max(stringr::str_count(df$var, ",") + 1)

df_processed <- df %>%
  separate(var, into = paste0("var", 1:max_col_count), sep = ",", fill = "right")

print(df_processed)

内容的提问来源于stack exchange，提问作者Homer Jay Simpson