如何拆分dataframe多值列生成重复行 适配dcast频率矩阵构建

你要的拆分行操作不需要写复杂的自定义逻辑，直接用现成函数一行就能搞定，后续可以直接衔接dcast生成频率矩阵。

方案1：tidyverse 最简写法（推荐） #

用tidyr包的separate_rows()函数，专门为这种分隔符拆分行的场景设计，自动对应保留其他列的重复值：

1. 先加载依赖包、构造示例数据

library(tidyr)
library(reshape2)

df <- data.frame(
  V1 = c("colors1", "colors2"),
  V2 = c("black;yellow;green", "blue;pink;purple")
)

2. 执行拆分行操作，直接得到你期望的长表结构

df_long <- separate_rows(df, V2, sep = ";")

运行后df_long的输出和你给出的期望结构完全一致：

V1     V2
1 colors1  black
2 colors1 yellow
3 colors1  green
4 colors2   blue
5 colors2   pink
6 colors2 purple

3. 直接衔接你的dcast语句生成频率矩阵，注意加上聚合函数避免报错：

freq_matrix <- dcast(df_long, V2 ~ V1, fun.aggregate = length, value.var = "V1")

方案2：Base R 无依赖写法 #

如果不想安装第三方包，可以用基础R的字符串拆分函数手动拼接长表：

# 按分号拆分V2列的每个值
split_v2 <- strsplit(df$V2, ";")
# 按拆分后的长度重复V1列，和拆分后的V2值组合成新数据框
df_long_base <- data.frame(
  V1 = rep(df$V1, times = lengths(split_v2)),
  V2 = unlist(split_v2)
)

得到的df_long_base和上面方案1的结果完全一致，同样可以直接传入dcast使用。

注意：调用dcast时必须指定fun.aggregate参数，否则会因为V2列存在多个同V1的匹配值抛出聚合错误，用length做计数即可得到0/1编码的频率矩阵。

内容的提问来源于stack exchange，提问作者Munrock