R - Мутировать новую переменную со строковой информацией от других переменных

Question

Для моей диссертации MSc я сортирую файл данных в R. В этом файле есть строковые значения, которые не находятся в правильных столбцах.Я пытаюсь упорядочить их или мутировать новые столбцы, где новый столбец принимает только строку, если она соответствует определенному регулярному выражению.Позвольте мне показать вам, что я имею в виду.Для наглядности я сделал следующий фрейм данных.Здесь 4 человека попросили дать свой первый и второй любимый цвет и еду, или только первый, если у них был только один любимый (NA также возможен).Однако из-за какой-то ошибки ответы смешиваются в 4 столбцах.

     df <- data.frame(person_ = c("Peter", "Lucas", "Jake", "Harry"), 
             note1 =c("1. Red", "2. Green", "1. Food: Hamburger", "1. Food: Pizza"), 
             note2 =c("1. Food: Pasta", "1. Blue", NA, "1. Yellow"),
             note3 =c("2. Food: Spaghetti", "2. Food: Chips", "1. Red", NA),
             note4 =c("2. Purple", "1. Food: Pancake", "2. White", NA))

Я хотел бы знать, как я могу заказать их.Вы можете распознать первого и второго фаворита по '1.'и' 2.».И вы можете узнать любимую еду по «Еда:».Этот факт сразу заставляет меня думать, что я должен работать с регулярными выражениями.Я подумал об этом и попытался изменить новые столбцы, чтобы значения выбирались из столбцов «note1», «note2», «note3» или «note4» и соответствовали регулярному выражению.Я не справился ....

Для полной ясности, это то, чего я в конечном итоге хочу.

    df_1 <- data.frame(person_ = c("Peter", "Lucas", "Jake", "Harry"), 
               note1 =c("1. Red", "2. Green", "1. Food: Hamburger", "1. Food: Pizza"), 
               note2 =c("1. Food: Pasta", "1. Blue", NA, "1. Yellow"),
               note3 =c("2. Food: Spaghetti", "2. Food: Chips", "1. Red", NA),
               note4 =c("2. Purple", "1. Food: Pancake", "2. White", NA),
               fav1_color =c("Red", "Blue", "Red", "Yellow"),
               fav2_color =c("Purple", "Green", "White", NA),
               fav1_food =c("Pasta", "Pancake", "Hamburger", "Pizza"),
               fav2_food =c("Spaghetti", "Chips", NA, NA))

У кого-нибудь из вас есть идеи, как решить эту проблему?Заранее спасибо.

Answer 1

Вот решение, использующее pivot_longer и pivot_wider из нового tidyr:

dfnew<-df %>% pivot_longer(-person_, names_to="note",values_to="value") %>%
  mutate(note=gsub("(\\d)\\. (\\w*\\:)?.*","\\1 \\2",value), value=gsub("(\\d\\.) (\\w*\\:)? ?(.*)","\\3",value)) %>%
  filter(!is.na(value)) %>%
  pivot_wider(names_from = note, values_from = value, names_prefix = "fav")

dfnew
# A tibble: 4 x 5
  person_ `fav1 ` `fav1 Food:` `fav2 Food:` `fav2 `
  <fct>   <chr>   <chr>        <chr>        <chr>  
1 Peter   Red     Pasta        Spaghetti    Purple 
2 Lucas   Blue    Pancake      Chips        Green  
3 Jake    Red     Hamburger    NA           White  
4 Harry   Yellow  Pizza        NA           NA     

Есть еще возможности для улучшения имен столбцов, но для этого вам потребуется большая часть пути ктвоя цель.