R语言：如何拆分数据框字符列并修正NA分布，保留目标列结构？

原始数据 #

首先构造示例tibble：

library(tidyverse)

date = c(rep(as.Date("2022/1/1"),3),
         rep(as.Date("2022/1/2"),3),
         rep(as.Date("2022/1/3"),3))
var1 = c(rep("cat",3),rep("cat,Mother,bike,pasta",3),rep("dog,bird",3))
a = seq(1,9,1)
b = seq(10,18,1)
c = seq(19,27,1)
df = tibble(date,a,b,c,var1)

生成的数据如下：

# A tibble: 9 × 5
  date           a     b     c var1                 
  <date>     <dbl> <dbl> <dbl> <chr>                
1 2022-01-01     1    10    19 cat                   
2 2022-01-01     2    11    20 cat                   
3 2022-01-01     3    12    21 cat                   
4 2022-01-02     4    13    22 cat,Mother,bike,pasta
5 2022-01-02     5    14    23 cat,Mother,bike,pasta
6 2022-01-02     6    15    24 cat,Mother,bike,pasta
7 2022-01-03     7    16    25 dog,bird              
8 2022-01-03     8    17    26 dog,bird              
9 2022-01-03     9    18    27 dog,bird             

当前错误的尝试及结果 #

尝试使用separate_rows和pivot_wider拆分列，但得到错位的NA：

df %>%
  separate_rows(var1) %>%
  group_by(date) %>% 
  mutate(id = row_number()) %>%
  pivot_wider(names_from = id, values_from = var1)

错误结果：

# A tibble: 9 × 16
# Groups:   date [3]
  date           a     b     c `1`   `2`    `3`   `4`   `5`   `6`    `7`   `8`   `9`   `10`   `11`  `12` 
  <date>     <dbl> <dbl> <dbl> <chr> <chr>  <chr> <chr> <chr> <chr>  <chr> <chr> <chr> <chr>  <chr> <chr>
1 2022-01-01     1    10    19 cat   NA     NA    NA    NA    NA     NA    NA    NA    NA     NA    NA   
2 2022-01-01     2    11    20 NA    cat    NA    NA    NA    NA     NA    NA    NA    NA     NA    NA   
3 2022-01-01     3    12    21 NA    NA     cat   NA    NA    NA     NA    NA    NA    NA     NA    NA   
4 2022-01-02     4    13    22 cat   Mother bike  pasta NA    NA     NA    NA    NA    NA     NA    NA   
5 2022-01-02     5    14    23 NA    NA     NA    NA    cat   Mother bike  pasta NA    NA     NA    NA   
6 2022-01-02     6    15    24 NA    NA     NA    NA    NA    NA     NA    NA    cat   Mother bike  pasta
7 2022-01-03     7    16    25 dog   bird   NA    NA    NA    NA     NA    NA    NA    NA     NA    NA   
8 2022-01-03     8    17    26 NA    NA     dog   bird  NA    NA     NA    NA    NA    NA     NA    NA   
9 2022-01-03     9    18    27 NA    NA     NA    NA    dog   bird   NA    NA    NA    NA     NA    NA   

期望的目标格式 #

需要得到拆分后同日期分组内所有行的拆分列对齐的结果：

解决方案 #

方法一：使用separate_wider_delim（推荐） #

separate_wider_delim是tidyverse中专门用于拆分分隔列的函数，直接指定分隔符即可自动拆分并对齐列，无需额外分组：

df %>%
  separate_wider_delim(var1, delim = ",", names_sep = "", too_few = "align_start")

参数说明：

• delim = ","：指定拆分的分隔符为逗号
• names_sep = ""：拆分后的列名直接用序号（如1、2），无需前缀
• too_few = "align_start"：当某行拆分后的元素数量少于最大列数时，从开头对齐，剩余列补NA

方法二：修正separate_rows+pivot_wider的逻辑 #

之前的错误在于按date分组生成序号，导致序号跨原始行递增。正确的做法是先给每个原始行分配唯一id，再按该id生成拆分元素的序号：

df %>%
  mutate(row_id = row_number()) %>%  # 给每个原始行加唯一标识
  separate_rows(var1) %>%
  group_by(row_id) %>%  # 按原始行分组生成拆分元素的序号
  mutate(id = row_number()) %>%
  pivot_wider(names_from = id, values_from = var1) %>%
  select(-row_id)  # 移除临时的行标识

两种方法都能得到你需要的对齐格式。

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