R语言：如何拆分数据框中长度不一的borders列？

我来帮你解决这个问题！你遇到的问题是因为直接用do.call(rbind, strsplit(...))会丢失原表的其他列，而且没有把拆分后的结果和原数据关联起来。下面是几种可行的解决方案，都能保留cca2、ccn3、cca3列，同时把borders列拆分成多列：

首先，先构造可重现的原始数据框（方便你测试）：

countries <- data.frame(
  cca2 = c("AX", NA, "AD", "AT", "BE"),
  ccn3 = c(248, 8, 20, 40, 56),
  cca3 = c("ALA", "ALB", "AND", "AUT", "BEL"),
  borders = c("AL", "MNE,GRC,MKD,UNK", "FRA,ESP", "CZE,DEU,HUN,ITA,LIE,SVK,SVN,CHE", "FRA,DEU,LUX,NLD"),
  stringsAsFactors = FALSE
)

方法1：使用tidyr的separate_wider_delim（推荐，简洁的tidyverse风格） #

这个函数专门处理分隔列拆分的场景，自动处理长度不一致的情况，不足的位置填充NA，同时完美保留原表的其他列：

library(tidyr)

newCountries <- countries %>%
  separate_wider_delim(borders, delim = ",", names_sep = "_")

执行后会生成borders_1、borders_2……直到最长的borders元素对应的列数，所有短于这个长度的行都会在后续列填充NA。

方法2：基础R改进版（无需额外依赖包） #

如果不想引入tidyverse包，可以用基础R实现：先拆分borders得到列表，再把列表转成统一长度的数据框，最后和原表的核心列合并：

# 拆分borders列得到列表
borders_list <- strsplit(as.character(countries$borders), ",", fixed = TRUE)

# 确定最长的borders元素长度，用来设置列数
max_border_len <- max(sapply(borders_list, length))

# 把每个列表元素补全到max_border_len长度，不足的填NA
borders_df <- do.call(rbind, lapply(borders_list, function(x) {
  c(x, rep(NA, max_border_len - length(x)))
}))

# 给拆分后的列命名
colnames(borders_df) <- paste0("borders_", 1:max_border_len)

# 合并原表的核心列和拆分后的borders列
newCountries <- cbind(countries[, c("cca2", "ccn3", "cca3")], borders_df)

方法3：使用data.table（适合大数据量场景） #

如果你的数据量很大，data.table的操作会更高效：

library(data.table)

setDT(countries)
newCountries <- countries[, 
                          borders_split := strsplit(borders, ",", fixed = TRUE)][
                            , (paste0("borders_", 1:max(sapply(borders_split, length)))) := transpose(borders_split)][
                              , c("borders", "borders_split") := NULL]

以上三种方法都能满足你的需求，根据自己的使用习惯选择即可。

内容的提问来源于stack exchange，提问作者user9737581