如何将单列DataFrame按行值拆分为多列（行数不一致场景）

针对你提出的需求——将以"Page X:"为分隔符的单列DataFrame拆分为多列，且处理各列行数不一致的情况，以下提供两种实现方案：

方案一：使用tidyverse工具链（推荐） #

借助dplyr和tidyr包的函数，可以简洁地完成分组、转换和补全NA的操作：

步骤1：加载依赖包 #

library(dplyr)
library(tidyr)

步骤2：定义通用处理函数 #

split_page_df <- function(df) {
  df %>%
    # 为每个"Page X:"分组生成唯一ID
    mutate(group_id = cumsum(grepl("Page \\d+:", Column_A))) %>%
    # 提取分组名称并格式化为Page_X形式
    mutate(page_name = ifelse(grepl("Page \\d+:", Column_A), 
                             gsub(" |:", "_", Column_A), NA)) %>%
    # 将分组名称填充到该组的所有行
    fill(page_name, .direction = "down") %>%
    # 移除作为分隔符的"Page X:"行
    filter(!grepl("Page \\d+:", Column_A)) %>%
    # 将空字符串转换为NA（匹配示例中的情况）
    mutate(Column_A = ifelse(Column_A == " ", NA, Column_A)) %>%
    # 为每个分组内的行编序号
    group_by(page_name) %>%
    mutate(row_num = row_number()) %>%
    # 转换为宽表，自动为短列补全NA
    pivot_wider(names_from = page_name, values_from = Column_A) %>%
    select(-row_num)
}

步骤3：测试示例数据 #

# 测试第一个示例
df <- data.frame(Column_A = c("Page 1:", "AB", "A", "Page 2:", "ABC", "AB", "Page 3:", "AC"))
split_page_df(df)
# 输出结果与df_3一致

# 测试第二个示例（包含空字符串和长度不一致的列）
df_2 <- data.frame(Column_A = c("Page 1:", "AB", "A", "Page 2:", "ABC", "AB", "Page 3:", "AC", "Page 4:"," ", "ABC"))
split_page_df(df_2)
# 输出结果与df_4一致

方案二：使用Base R实现 #

如果你不想依赖第三方包，可以用Base R的函数完成同样的操作：

定义通用处理函数 #

split_page_df_base <- function(df) {
  # 找到所有"Page X:"分隔行的索引
  split_positions <- grep("Page \\d+:", df$Column_A)
  
  # 提取每个分组的内容并处理空字符串为NA
  page_groups <- lapply(seq_along(split_positions), function(i) {
    start_row <- split_positions[i] + 1
    end_row <- if (i == length(split_positions)) nrow(df) else split_positions[i+1] - 1
    content <- df$Column_A[start_row:end_row]
    content[content == " "] <- NA
    content
  })
  
  # 生成格式化为Page_X的列名
  page_names <- gsub(" |:", "_", df$Column_A[split_positions])
  
  # 找到最长分组的长度，用于补全NA
  max_group_length <- max(sapply(page_groups, length))
  
  # 为每个分组补全NA到最长长度
  padded_groups <- lapply(page_groups, function(group) {
    c(group, rep(NA, max_group_length - length(group)))
  })
  
  # 将分组转换为DataFrame
  do.call(data.frame, setNames(padded_groups, page_names))
}

测试示例数据 #

split_page_df_base(df)
split_page_df_base(df_2)

两种方案都能自动处理各列行数不一致的情况，为长度较短的列补全NA，完全匹配你的期望输出。

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