[R]如何根據特定字元拆分數據(str_split_fixed)?

關於數據集(dataset)的處理，往往讀入數據集後，需要進一步對於數據進行拆分或合併處理，以利銜接後續數據分析工作。在R語言中，可利用安裝包 stringr中的str_split_fixed指令，根據特定字元拆分批量數據，達到數據匯總之效果。

本文利用經典的MovieLens數據集做為範例，其中該數據集包含movies.dat、ratings.dat和users.dat，我們以ratings.dat檔案做為拆分的範例說明。

a.首先，用read.table將ratings.dat讀入，檔案數據排列顯示如下圖一，可明顯看出數據以合併在同一個變量欄位，同時以::作為分隔符號。

#read data

mv_ratings<-read.table("ratings.dat")

圖一

b.執行str_split_fixed之前，記得先載入library(stringr)。利用str_split_fixed將mv_ratings$V1以::作為分隔符號，拆分為四個變量。為了便於數據解讀和後續程序撰寫，利用colnames對拆分數據加以重新命名，輸出結果如下圖二。

#library

library(stringr)

#split and rearrange and rename data(dataframe)

ratings_tb<-data.frame(str_split_fixed(mv_ratings$V1, "::", 4))

colnames(ratings_tb)<-c("UserID","MovieID","Rating","Timestamp")

圖二