R отсоединить рваный столбец на куски фиксированной длины

Question

У меня есть набор данных, в котором один столбец - это строка, состоящая из 1 числа, указывающего день недели, за которым следует любое количество 10-значных блоков:

# A tibble: 7 x 3
  respid            record_type record_data                                                  
  <chr>             <chr>       <chr>                                                        
1 20163911123050111 6           1000456561200035759120000989800                              
2 20163911123050111 6           2000405161200031719120000999900                              
3 20163911123050111 6           30004071212000320212200032832220003545620                    
4 20163911123050111 6           40004051612000326272200033032220003545620                    
5 20163911123050111 6           5036803031200040404120004051812000434361200045556120003575910
6 20163911123050111 6           6000411161200031720120003283121000344462100035759120004707410
7 20163911123050111 6           70004111312000314261200043334120004535610 

Я бы хотел изящный способ превратить это в длинный формат:
1. разбить столбец 3 на фиксированные куски длиной 1, затем серию длиной 10 символов
2. переход от широкой к длинной

так, например, первая строка выше станет 3 строками:

  respid            record_type dayofweek  chunk                                               
  <chr>             <chr>       <chr>       <chr>                                                  
1 20163911123050111 6           1         0004565612  
2 20163911123050111 6           1         0003575912  
3 20163911123050111 6           1         0000989800  

Пока что я использую этот код для первой части, но это цикл ...:

my_list<-list()
for(i in 1:nrow(mydf)){
  temp_list<-list()
  temp_list
  temp_list$respid <- mydf[i,1]
  temp_list$record_type <- mydf[i,2]
  temp_list$dayofweek <- stringi::stri_sub(t6[i,3],1,1)
  temp_list$chunk <- stringi::stri_sub(mydf[i,3], 
                                          seq(2, stringi::stri_length(mydf[i,3]), by = 10), 
                                          length = 10)    

  my_list[[i]] <- temp_list
}

Есть ли способ сделать это с помощью чего-то вроде purrr :: map и tidyr :: unnest?

Answer 1

Мы можем определить функцию, которая может разбивать строку на каждые 10 цифр и возвращать список. Затем мы можем разделить день недели и остаток фрагмента с помощью функции separate. Наконец, мы можем применить функцию, которую мы определили, и unnest фрейм данных.

# Define a function to split the string in every 10 digits
string_split <- function(string, width = 10){
  lst <- list()
  i <- 1
  while (nchar(string) > 0){
    lst[[i]] <- substring(string, 1, width)
    string <- substring(string, width + 1)
    i <- i + 1
  }
  return(lst)
}


library(tidyverse)

dat2 <- dat %>%
  # Split dayofweek and chunk
  separate(record_data, into = c("dayofweek", "chunk"), sep = 1) %>%
  # Apply the string_split function
  mutate(chunk = map(chunk, string_split)) %>%
  unnest()

head(dat2)
#              respid record_type dayofweek      chunk
# 1 20163911123050111           6         1 0004565612
# 2 20163911123050111           6         1 0003575912
# 3 20163911123050111           6         1 0000989800
# 4 20163911123050111           6         2 0004051612
# 5 20163911123050111           6         2 0003171912
# 6 20163911123050111           6         2 0000999900

DATA

dat <- read.table(text = "respid            record_type record_data                                                  
1 20163911123050111 6           1000456561200035759120000989800                              
2 20163911123050111 6           2000405161200031719120000999900                              
3 20163911123050111 6           30004071212000320212200032832220003545620                    
4 20163911123050111 6           40004051612000326272200033032220003545620                    
5 20163911123050111 6           5036803031200040404120004051812000434361200045556120003575910
6 20163911123050111 6           6000411161200031720120003283121000344462100035759120004707410
7 20163911123050111 6           70004111312000314261200043334120004535610",
                  header = TRUE, colClasses = "character")

Answer 2

Подход - сначала взять символ 1st из record_data как dayofweek. Теперь можно заменить каждый 10-й символ и добавить разделитель (скажем, ,), чтобы подготовить record_data к применению tidyr::separate_rows.

library(tidyverse)

df %>% 
  # 1st character as dayofweek 
  mutate(dayofweek = substring(record_data, 1,1)) %>%
  # Every 10th character appended with ,
  mutate(record_data = gsub("(\\d{10})","\\1,",substring(record_data,2))) %>%
  # Remove last ,
  mutate(record_data = gsub(",$","",record_data)) %>%
  # Expand rows
  separate_rows(record_data)

#               respid record_type dayofweek record_data
# 1  20163911123050112           6         1  0004565612
# 2  20163911123050112           6         1  0003575912
# 3  20163911123050112           6         1  0000989800
# 4  20163911123050112           6         2  0004051612
# 5  20163911123050112           6         2  0003171912
# 6  20163911123050112           6         2  0000999900
# 7  20163911123050112           6         3  0004071212
# 8  20163911123050112           6         3  0003202122
# 9  20163911123050112           6         3  0003283222
# 10 20163911123050112           6         3  0003545620
# 11 20163911123050112           6         4  0004051612
# 12 20163911123050112           6         4  0003262722
# 13 20163911123050112           6         4  0003303222
# 14 20163911123050112           6         4  0003545620
# 15 20163911123050112           6         5  0368030312
# 16 20163911123050112           6         5  0004040412
# 17 20163911123050112           6         5  0004051812
# 18 20163911123050112           6         5  0004343612
# 19 20163911123050112           6         5  0004555612
# 20 20163911123050112           6         5  0003575910
# 21 20163911123050112           6         6  0004111612
# 22 20163911123050112           6         6  0003172012
# 23 20163911123050112           6         6  0003283121
# 24 20163911123050112           6         6  0003444621
# 25 20163911123050112           6         6  0003575912
# 26 20163911123050112           6         6  0004707410
# 27 20163911123050112           6         7  0004111312
# 28 20163911123050112           6         7  0003142612
# 29 20163911123050112           6         7  0004333412
# 30 20163911123050112           6         7  0004535610

Данные:

df <- read.table(text ="
respid            record_type record_data
20163911123050111 6           1000456561200035759120000989800
20163911123050111 6           2000405161200031719120000999900                              
20163911123050111 6           30004071212000320212200032832220003545620
20163911123050111 6           40004051612000326272200033032220003545620                    
20163911123050111 6           5036803031200040404120004051812000434361200045556120003575910
20163911123050111 6           6000411161200031720120003283121000344462100035759120004707410
20163911123050111 6           70004111312000314261200043334120004535610",
header = TRUE, colClasses = c("numeric", "integer", "character"))