R语言如何提取数据框内各粒度级首个值生成新简化数据框

核心实现逻辑 #

你需要提取的是每个分号分隔的粒度级块中，逗号拆分后的第2个值，以下两种方案均可自动适配最多上万个粒度级的场景，无需手动筛选列。

方案1：tidyverse 透明处理方案（推荐，便于校验数据） #

依赖dplyr和tidyr包，拆分过程可追溯，兼容异常格式（比如多余的分号、逗号）：

library(tidyverse)

df_result <- df %>%
  # 按分号拆分data列，每个粒度级单独成一行，旧版tidyr可替换为 separate_rows(data, sep = ";")
  separate_longer_delim(data, delim = ";") %>%
  # 过滤空行（处理末尾多余分号导致的空粒度级）
  filter(data != "") %>%
  # 按逗号拆分粒度级内容，依次为粒度编号、第1/2/3个测量值，自动兼容多余逗号
  separate_wider_delim(data, delim = ",", names = c("size_class", "val1", "val2", "val3"), too_few = "align_start") %>%
  # 仅保留所需字段
  select(date, size_class, val1) %>%
  # 转换为宽格式，自动生成对应粒度级的列
  pivot_wider(names_from = size_class, values_from = val1, names_prefix = "data_sizeclass_")

方案2：正则提取高效方案（适合大数据量场景） #

依赖stringr，运行速度快，适合数据质量较高的场景：

library(stringr)
library(dplyr)

# 计算最大粒度级数量
max_sizeclass <- max(str_count(df$data, ";")) + 1

# 批量提取所有粒度级的第一个测量值
for (i in 1:max_sizeclass) {
  df <- df %>%
    mutate(!!paste0("data_sizeclass_", i) := str_extract(data, paste0("(?<=", i, ",)[^,]+")))
}

# 删除原始data列得到最终结果
df_result <- df %>% select(-data)

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