我有一个大数据框，其中一些列包含长串的逗号分隔的长度不等的数字数据，这里是列 A、B 和 C:

df <- data.frame(
  id = 1:3,
  A = c("200, 100, 80, 100","120, 210, 220", "170, 200"),
  B = c("0.1, 0.2, 0.3","0.2, 0.3, 1.0, 0.4, 0.9", "0.55, 0.77, 0.99, 0.35"),
  C = c("700.1, 701.0, 699.2", "702.5, 702.9", "705.4, 705.4, 706.0")
) 

我需要为 A、B 和 C 中的这些数值数据计算百分比变化。我认为，为了促进这一点，我需要使用 separate_rows 将每个数字分隔到它自己的行中。 但是我如何一次性对所有三列 A、B 和 C 执行此步骤？

我所能做的就是逐列进行 - 首先是 A，然后是 B，最后是 C:

library(tidyverse)
df %>%
  # Step 1 - column `A`:
  separate_rows(A, sep = ",", convert = TRUE) %>%
  mutate(A_0 = lag((lead(A)-A)/A*100)) %>%
  group_by(id) %>%
  summarise(across(c(B,C), first),
    A = paste0(A, collapse = ", "),       
    A_0 = paste0(A_0, collapse = ", ")
    ) %>%
  ungroup() %>%
  # Step 2 - column `B`:
  separate_rows(B, sep = ",", convert = TRUE) %>%
  mutate(B_0 = lag((lead(B)-B)/B*100)) %>%
  group_by(id) %>%
  summarise(across(c(A,A_0,C), first),
            B = paste0(B, collapse = ", "),       
            B_0 = paste0(B_0, collapse = ", ")
            ) %>%
  ungroup() %>%
  # Step 3 - column `C`:
  separate_rows(C, sep = ",", convert = TRUE) %>%
  mutate(C_0 = lag((lead(C)-C)/C*100)) %>%
  group_by(id) %>%
  summarise(across(c(A,A_0,B,B_0), first),
            C = paste0(C, collapse = ", "),       
            C_0 = paste0(C_0, collapse = ", ")
  )
# A tibble: 3 × 7
     id A                 A_0                                 B        B_0           C      C_0      
  <int> <chr>             <chr>                               <chr>    <chr>         <chr>  <chr>    
1     1 200, 100, 80, 100 NA, -50, -20, 25                    0.1, 0.… NA, 100, 50   700.1… NA, 0.12…
2     2 120, 210, 220     20, 75, 4.76190476190476            0.2, 0.… -33.33333333… 702.5… 0.471967…
3     3 170, 200          -22.7272727272727, 17.6470588235294 0.55, 0… -38.88888888… 705.4… 0.355669…

有没有更好的办法？

最佳答案

我们可以循环 across 列，在 处拆分， 后跟一个或多个空格 (\\s+)，循环遍历list与map，转换为numeric，得到lead之差的lag > 和当前值比例，pasted (toString) 作为字符向量 (_chr) 返回，如果需要，在 中对列进行排序>选择

library(dplyr)
library(purrr)
df %>% 
  mutate(across(A:C, ~ {
         map_chr(strsplit(.x, ",\\s+"), ~ {
            tmp <- as.numeric(.x)
            toString(lag((lead(tmp)- tmp)/tmp *100))})
      }, .names = "{.col}_0")) %>% 
  select(id, gtools::mixedsort(names(.)[-1]))

-输出

id                 A                      A_0                       B                                         B_0                   C
1  1 200, 100, 80, 100         NA, -50, -20, 25           0.1, 0.2, 0.3                                 NA, 100, 50 700.1, 701.0, 699.2
2  2     120, 210, 220 NA, 75, 4.76190476190476 0.2, 0.3, 1.0, 0.4, 0.9          NA, 50, 233.333333333333, -60, 125        702.5, 702.9
3  3          170, 200     NA, 17.6470588235294  0.55, 0.77, 0.99, 0.35 NA, 40, 28.5714285714286, -64.6464646464647 705.4, 705.4, 706.0
                                        C_0
1 NA, 0.128553063848018, -0.256776034236798
2                    NA, 0.0569395017793562
3                 NA, 0, 0.0850581230507546

https://stackoverflow.com/questions/71651525/