Konvertieren Komma getrennt Eintrag zu Spalten

Ich habe einen Datensatz mit mehreren Spalten, eine davon ist eine Spalte für die Reaktionszeiten. Diese Reaktionszeiten werden durch Komma getrennt, um die Reaktionszeiten (gleicher Teilnehmer) für die verschiedenen Proben.

Beispiel: Zeile 1 (d.h.: die Daten von Teilnehmer 1) hat die folgende unter der Rubrik "Reaktionszeiten"

reaction_times
2000,1450,1800,2200

Deshalb im folgenden sind die Reaktionszeiten der Teilnehmer 1 für Studien 1,2,3,4.

Will ich jetzt einen neuen Datensatz erstellen, in denen die Reaktionszeiten für diese Studien bilden alle einzelnen Spalten. Dadurch kann ich berechnen, die mittlere Reaktionszeit für jede Studie.

              trial 1  trial 2  trial 3  trial 4 
participant 1:   2000     1450     1800     2200

Ich habe versucht, die "colsplit" aus der "reshape2"-Paket, aber das scheint nicht zu splitten, meine Daten in neue Spalten (vielleicht, weil meine Daten alle in 1 Zelle).

Irgendwelche Vorschläge?

InformationsquelleAutor user1092247 | 2011-12-11

  1. 20

    Ich denke, Sie sind auf der Suche für die strsplit() Funktion;

    a = "2000,1450,1800,2200"
strsplit(a, ",")
[[1]]                                                                                                                                                       
[1] "2000" "1450" "1800" "2200"

    Beachten Sie, dass strsplit gibt eine Liste, in diesem Fall mit nur einem element. Dies ist, weil strsplit dauert Vektoren als Eingabe. Daher können Sie auch einen langen Vektor Ihrer einzelnen Zelle Zeichen in die Funktion und wieder eine aufgeteilte Liste von vector. In eine relevantere Beispiel so Aussehen:

    # Create some example data
dat = data.frame(reaction_time = 
       apply(matrix(round(runif(100, 1, 2000)), 
                     25, 4), 1, paste, collapse = ","),
                     stringsAsFactors=FALSE)
splitdat = do.call("rbind", strsplit(dat$reaction_time, ","))
splitdat = data.frame(apply(splitdat, 2, as.numeric))
names(splitdat) = paste("trial", 1:4, sep = "")
head(splitdat)
  trial1 trial2 trial3 trial4
1    597   1071   1430    997
2    614    322   1242   1140
3   1522   1679     51   1120
4    225   1988   1938   1068
5    621    623   1174     55
6   1918   1828    136   1816

    und schließlich, berechnen Sie den Mittelwert pro person:

    apply(splitdat, 1, mean)
[1] 1187.50  361.25  963.75 1017.00  916.25 1409.50  730.00 1310.75 1133.75
[10]  851.25  914.75  881.25  889.00 1014.75  676.75  850.50  805.00 1460.00
[19]  901.00 1443.50  507.25  691.50 1090.00  833.25  669.25
    Wow, tolle und schnelle Antwort Paul, dankjewel! Funktioniert wie ein Charme 🙂 Wenn ich mich nicht Irre, kann man auch einfach "colMeans" und "rowMeans" anstelle von " übernehmen(splitdat, 1, mean)'? PS. leider kann ich nicht voten, anscheinend brauche ich 15 Ruf erste?!
    Sie sind zu Recht über die colMeans natürlich :). Ich denke jedoch, dass die Verwendung gelten, ist auch schön, weil es viel flexibler ist. ps Sind Sie auch aus den Niederlanden?
    Danke! Ja, ich bin auch aus NL 🙂

    InformationsquelleAutor Paul Hiemstra

  2. 10

    Eine nette, wenn auch sehr heavy-handed, Weg ist die Verwendung read.csv in Verbindung mit textConnection. Vorausgesetzt, Ihre Daten in einen Daten-frame, df:

    x <- read.csv(textConnection(df[["reaction times"]]))
    Sieht nicht ungeschickt für mich. Sieht schwingende R mit Fingerspitzengefühl.
    Elegante Lösung! Wäre interessant zu sehen, wenn Sie, wie unsere Lösungen vergleichen in Bezug auf die Geschwindigkeit bei wirklich großen Datenmengen.
    Funktioniert auch perfekt (kann ich mir eigentlich genehmigen sowohl als Lösungen?)

    InformationsquelleAutor Hong Ooi

  3. 9

    Alte Frage, aber ich kam über Sie aus eine andere aktuelle Frage (das scheint nicht).

    Beiden vorhandenen Antworten sind angemessen, aber ich wollte eine Antwort bezogen auf ein Paket habe ich erstellt namens "splitstackshape" , ist schnell und hat eine einfache syntax.

    Hier einige Beispieldaten:

    set.seed(1)
dat = data.frame(
  reaction_time = apply(matrix(round(
    runif(24, 1, 2000)), 6, 4), 1, paste, collapse = ","))

    Dies ist die Aufteilung:

    library(splitstackshape)
cSplit(dat, "reaction_time", ",")
#    reaction_time_1 reaction_time_2 reaction_time_3 reaction_time_4
# 1:             532            1889            1374             761
# 2:             745            1322             769            1555
# 3:            1146            1259            1540            1869
# 4:            1817             125             996             425
# 5:             404             413            1436            1304
# 6:            1797             354            1984             252

    Und Optional, wenn Sie benötigen, um die rowMeans:

    rowMeans(cSplit(dat, "reaction_time", ","))
# [1] 1139.00 1097.75 1453.50  840.75  889.25 1096.75
    Ausgezeichnet-Paket – vielen Dank für das teilen, macht es viel einfacher!

    InformationsquelleAutor A5C1D2H2I1M1N2O1R2T1

  4. 3

    Anderen option mit dplyr und tidyr mit Paul Hiemstra Beispiel Daten:

    # create example data
data = data.frame(reaction_time = 
                     apply(matrix(round(runif(100, 1, 2000)), 
                                  25, 4), 1, paste, collapse = ","),
             stringsAsFactors=FALSE)
head(data)

# clean data
data2 <- data %>% mutate(split_reaction_time = str_split(as.character(reaction_time), ",")) %>% unnest(split_reaction_time) 
data2$col_names <- c("trial1", "trial2", "trial3", "trial4")
data2 <- data2 %>% spread(key = col_names, value = split_reaction_time) %>% select(-reaction_time)
head(data2)

    InformationsquelleAutor sdevine188

Schreibe einen Kommentar