Самый быстрый способ разбора строки правил в data.frame

Question

У меня есть набор данных с набором правил строки.

R> input 
    id         rules 
1 1 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
2 2 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
3 3 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
4 4 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
5 5 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
6 6 1.11=>0;1.12=>0;1.13=>0;1.14=>1;1.15=>0 
7 7 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
8 8 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
9 9 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
10 10 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
11 11 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
12 12 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
13 13 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
14 14 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
15 15 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 
16 16 1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0 

Что является самым быстрым способом разделения и присоединения к этим правилам в виде отдельных столбцов? Желаемый результат:

R> res 
    R1.11 R1.12 R1.13 R1.14 R1.15 id 
1  0  0  0  0  0 1 
2  0  0  0  0  0 2 
3  0  0  0  0  0 3 
4  0  0  0  0  0 4 
5  0  0  0  0  0 5 
6  0  0  0  1  0 6 
7  0  0  0  0  0 7 
8  0  0  0  0  0 8 
9  0  0  0  0  0 9 
10  0  0  0  0  0 10 
11  0  0  0  0  0 11 
12  0  0  0  0  0 12 
13  0  0  0  0  0 13 
14  0  0  0  0  0 14 
15  0  0  0  0  0 15 
16  0  0  0  0  0 16 

Для воспроизведения наборов данных см. Ниже структуры.

Входная структура данных:

input <- structure(
    list(id = 1:16, 
     rules = c("1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>1;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0", 
        "1.11=>0;1.12=>0;1.13=>0;1.14=>0;1.15=>0")), 
    .Names = c("id", "rules"), 
    row.names = c(NA, -16L), 
    class = "data.frame") 

Выходная структура данных:

output <- structure(
    list(R1.11 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
     R1.12 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
     R1.13 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
     R1.14 = c(0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
     R1.15 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
     id = 1:16), 
    .Names = c("R1.11", "R1.12", "R1.13", "R1.14", "R1.15", "id"), 
    class = "data.frame", 
    row.names = c(NA, -16L)) 

Answer 1

Спасибо за ответы. Мое решение основывается только на data.table пакете:

library(data.table) 
parse_rules <- function(.data, id_col, rules_col, prefix = "R", sep1 = ";", sep2 = "=>", convert = TRUE) { 
    if (is.numeric(id_col)) id_col <- names(.data)[id_col] 
    if (is.numeric(rules_col)) rules_col <- names(.data)[rules_col] 
    res <- .data[, tstrsplit(get(rules_col), split = sep1, fixed = TRUE)] 
    res[, (id_col) := .data[[id_col]]] 
    res <- melt(res, id.vars = id_col, measure.vars = setdiff(names(res), id_col)) 
    res[, c("variable", "value") := tstrsplit(value, split = sep2, fixed = TRUE, type.convert = convert)] 
    res <- dcast(res, get(id_col) ~ paste0(prefix, variable), value.var = "value") 
    setnames(res, "id_col", id_col) 
    return(res) 
} 
setDT(input) 
parse_rules(input, "id", "rules") 

В результате:

id R1.11 R1.12 R1.13 R1.14 R1.15 
1: 1  0  0  0  0  0 
2: 2  0  0  0  0  0 
3: 3  0  0  0  0  0 
4: 4  0  0  0  0  0 
5: 5  0  0  0  0  0 
6: 6  0  0  0  1  0 
7: 7  0  0  0  0  0 
8: 8  0  0  0  0  0 
9: 9  0  0  0  0  0 
10: 10  0  0  0  0  0 
11: 11  0  0  0  0  0 
12: 12  0  0  0  0  0 
13: 13  0  0  0  0  0 
14: 14  0  0  0  0  0 
15: 15  0  0  0  0  0 
16: 16  0  0  0  0  0 

Другое решение на основе base функций:

parse_rules <- function(.data, col, prefix = "R", sep1 = ";", sep2 = "=>", convert = TRUE) { 
    n <- length(gregexpr(sep1, .data[1L, col])[[1]]) + 1L 
    str <- unlist(strsplit(.data[[col]], sep1, fixed = TRUE)) 
    res <- matrix(sub(paste0(".*", sep2), "", str), ncol = n, byrow = TRUE) 
    res <- as.data.frame(res, stringsAsFactors = FALSE) 
    nm <- paste0(prefix, sub(paste0(sep2, ".*"), "", str[seq_len(n)])) 
    names(res) <- nm 
    if (convert && any(chr <- sapply(res, is.character))) { 
     for (c in names(res)[chr]) 
      res[[c]] <- type.convert(res[[c]], as.is = TRUE) 
    } 
    .data[[col]] <- NULL 
    res <- cbind(.data, res, stringsAsFactors = FALSE) 
    res 
} 

Answer 2

я мог бы сделать ...

library(splitstackshape) 
res = cSplit(input, "rules", ";", "long") 
res[, c("variable", "value") := tstrsplit(rules, "=>", type.convert=TRUE)] 

# head(res) 
# id rules variable value 
# 1: 1 1.11=>0  1.11  0 
# 2: 1 1.12=>0  1.12  0 
# 3: 1 1.13=>0  1.13  0 
# 4: 1 1.14=>0  1.14  0 
# 5: 1 1.15=>0  1.15  0 
# 6: 2 1.11=>0  1.11  0 

Я бы остановиться здесь, с данными в долгосрочной формат, но вы можете перейти на желаемую широкую выходную мощность с ...

wideres = dcast(res, id ~ paste0("R", variable), value.var="value") 

# test that it's essentially correct: 
fsetequal(wideres, setcolorder(data.table(output), names(wideres))) 

Answer 3

Написал быструю функцию, чтобы сделать это за вас.

my.Parser <- function(row){ 
    r <- unlist(strsplit(gsub(";","x",row[-1]),"x")) 
    Values <- data.frame(t(gsub("*.*=>","",r))) 
    colnames(Values) <- paste("R",gsub("=>*.*","",r,),sep="") 
    Values <- cbind(id=row[1], Values) 
    return(Values) 
} 

Тест на первом ряду

my.Parser(input[1,]) 

Чтобы применить над вашим input

Results <- apply(input,1,function(x) my.Parser(x)) 
Results <- do.call("rbind", Results) 
Results 

Выход:

id R1.11 R1.12 R1.13 R1.14 R1.15 
id 1  0  0  0  0  0 
id1 2  0  0  0  0  0 
id2 3  0  0  0  0  0 
id3 4  0  0  0  0  0 
id4 5  0  0  0  0  0 
id5 6  0  0  0  1  0 
id6 7  0  0  0  0  0 
id7 8  0  0  0  0  0 
id8 9  0  0  0  0  0 
id9 10  0  0  0  0  0 
id10 11  0  0  0  0  0 
id11 12  0  0  0  0  0 
id12 13  0  0  0  0  0 
id13 14  0  0  0  0  0 
id14 15  0  0  0  0  0 
id15 16  0  0  0  0  0 

Answer 4

Вот базовый подход R:

input[3:7] <- 
matrix(as.integer(sub(".*=>", "", unlist(strsplit(input$rules, ";", fixed=TRUE)))), 
     ncol=5, byrow = TRUE) 

Вам все равно необходимо указать имена столбцов по желанию.