R语言处理数据框行内逗号分隔层级排序文本 生成品牌排名列

原始数据 #

示例输入数据框如下：

df <- data.frame ("user.id" = c("usr1", "usr2", "usr3", "usr4"),
                  "gender" = c("m", "f", "m", "f"),
                  "fav.car.rank" = c("toyota, subaru, honda", "honda, subaru, toyota", "toyota, honda, subaru", "subaru, toyota, honda"))

其中fav.car.rank列存储逗号分隔的汽车品牌排序，从左到右对应喜爱度从高到低，需求是将每个品牌拆分为独立列，列值为该用户对对应品牌的喜爱排名（示例中排名数值越高代表喜爱度越高，与目标输出结构匹配）。
目标输出结构：

实现方案 #

方案1：Base R实现（无需安装加载第三方包） #

核心思路是先拆分字符串，再按位置匹配排名，最后合并回原表：

# 按逗号拆分品牌字符串，自动兼容逗号前后的空格
split_brands <- strsplit(df$fav.car.rank, split = ",\\s*")
# 提取所有出现过的唯一品牌名作为新列名
all_brands <- unique(trimws(unlist(split_brands)))
# 逐行计算每个品牌的排名：位置越靠前（喜爱度越高）分值越高
rank_df <- t(sapply(split_brands, function(brand_seq) {
  # 3个品牌时，第1位（最喜爱）得3分，第2位得2分，第3位得1分
  rank_pair <- setNames(length(brand_seq):1, trimws(brand_seq))
  # 按统一品牌顺序返回排名值
  rank_pair[all_brands]
}))
# 合并原表的基础字段和排名字段，得到最终结果
final_df <- cbind(df[, c("user.id", "gender")], as.data.frame(rank_df))

运行后打印final_df即可得到和目标结构完全一致的结果。

方案2：tidyverse实现（管道操作逻辑更直观） #

适合日常使用tidyverse生态做数据处理的场景：

library(tidyverse)

final_df <- df %>%
  # 将逗号分隔的品牌拆分为多行
  separate_rows(fav.car.rank, sep = ",\\s*") %>%
  # 按用户分组，为每个品牌计算对应排名
  group_by(user.id) %>%
  mutate(
    rank = n():1, # 越靠前的品牌分值越高，如需最喜爱为1分改为1:n()即可
    fav.car.rank = trimws(fav.car.rank)
  ) %>%
  # 将长表转为宽表，品牌作为独立列
  pivot_wider(names_from = fav.car.rank, values_from = rank) %>%
  ungroup()

注意事项 #

• 上述代码自动兼容不同数量的品牌，后续如果fav.car.rank中新增品牌，无需修改代码即可自动生成对应新列
• 如果需要调整排名规则（最喜爱为1、最不喜爱为最大序号），只需将代码中length(brand_seq):1/n():1修改为1:length(brand_seq)/1:n()即可
• 代码中加入了空格处理逻辑，不会因为逗号前后空格数量不一致导致品牌匹配错误

内容的提问来源于stack exchange，提问作者Naim Cinar