0

Soy nuevo en R y estoy teniendo problemas para organizar una base de datos que contiene diferentes nombres.

Quiero separar el string en columnas pero el problema es que cada valor tiene una configuración diferente.

Nombres <- c("Alarcon Rodriguez Juan Ignacio", "Rojas Maria", "Diaz Flores Tomas")

Estoy pensando en ocupar un str_count(pattern = " ") junto a diferentes if statement para que, en base a la cantidad de espacios en blanco, separe las columnas como las siguientes:

#Ejemplo df inicial

Nombres <- c("Alarcon Rodriguez Juan Ignacio", "Rojas Maria", "Diaz Flores Tomas", "Herrera Castro Maria Teresita de Jesus")

id <- 1:4

df1 <- data.table(id,Nombres)

introducir la descripción de la imagen aquí

#Ejemplo df buscado

Apellido1 <- c("Alarcon", "Rojas", "Diaz", "Herrera")
Apellido2 <- c("Rodriguez", "NA", "Flores", "Castro")
Nombre1 <- c("Juan", "Maria", "Tomas", "Maria")
Nombre2 <- c("Ignacio", "NA", "NA", "Teresita de Jesus")


df2 <- data.table(id,Apellido1, Apellido2, Nombre1, Nombre2)

introducir la descripción de la imagen aquí

Espero que se entienda, desde ya les agradezco infinito por su ayuda

1
  • Bienvenido Fernandoibs, el tuyo es un problema bastante típico, pero lamentablemente no tiene solución, una persona con tres nombres y con un solo apellido, ya rompe la lógica. Commented el 20 nov. 2022 a las 1:08

1 respuesta 1

0

Hay que...

  1. Preparar
  2. Identificar
  3. Reemplazar
  4. Separar
  5. Combinar
  6. Reemplazar otra vez
  7. Finalizar
# --- 0. Preparar

require( purrr )
require( stringi )
require( tibble )

Nombres <- c(
   "Alarcon Rodriguez Juan Ignacio"
 , "Rojas Maria"
 , "Diaz Flores Tomas"
 , "Herrera Castro Maria Teresita de Jesus"
)

cfg <- list(
  COLUMNAS = c( 'Apellido1', 'Apellido2', 'Nombre1', 'Nombre2' )
)
cfg$MAX_PARTES <- length( cfg$COLUMNAS )

# --- 1. Identificar nombres como 'Teresita de Jesus', 'Enrique de los Angeles', ...

sustituciónes <- tribble(
     ~A         ,  ~B
  , ' de '       , '_de_'
  , ' de las '   , '_de_las_'
  , ' de los '   , '_de_los_'
  # otros sustituciónes ...
)

# --- 2. Reemplazar con `_`

U <- stri_replace_all_regex(
    Nombres
  , pattern     = sustituciónes$A
  , replacement = sustituciónes$B
  , vectorize   = FALSE
)

U
#[1] "Alarcon Rodriguez Juan Ignacio"         "Rojas Maria"                           
#[3] "Diaz Flores Tomas"                      "Herrera Castro Maria Teresita_de_Jesus"

# --- 3. Separar

V <- strsplit( U, ' ' )

V
#[[1]]
#[1] "Alarcon"   "Rodriguez" "Juan"      "Ignacio"  
#
#[[2]]
#[1] "Rojas" "Maria"
#
#[[3]]
#[1] "Diaz"   "Flores" "Tomas" 
#
#[[4]]
#[1] "Herrera"           "Castro"            "Maria"             "Teresita_de_Jesus"

# --- 4. Combinar

N <- sapply( V, length ) %>% data.frame

N
#  .
#1 4
#2 2
#3 3
#4 4

g <- function( V, N, i, M = cfg$MAX_PARTES ){
  nombre_entero <- V[[ i ]]
  partes <- N[ i, 1 ]
  falta  <- M - partes
  c(
      nombre_entero
    , rep( x = '', times = falta )
  )
}

seq( nrow( N )) %>%
  map( ~g( V, N, .x) ) %>%
    unlist( recursive = FALSE ) ->
      W

W
# [1] "Alarcon"           "Rodriguez"         "Juan"              "Ignacio"          
# [5] "Rojas"             "Maria"             ""                  ""                 
# [9] "Diaz"              "Flores"            "Tomas"             ""                 
#[13] "Herrera"           "Castro"            "Maria"             "Teresita_de_Jesus"

# --- 5. Reemplazar otra vez
 
X <- stri_replace_all_regex(
    W
  , pattern     = sustituciónes$B
  , replacement = sustituciónes$A
  , vectorize   = FALSE
)      
 
X
# [1] "Alarcon"           "Rodriguez"         "Juan"              "Ignacio"          
# [5] "Rojas"             "Maria"             ""                  ""                 
# [9] "Diaz"              "Flores"            "Tomas"             ""                 
#[13] "Herrera"           "Castro"            "Maria"             "Teresita de Jesus"

# --- 6. Finalizar

matrix( X, byrow = TRUE, ncol = cfg$MAX_PARTES ) %>%
  data.frame %>% setNames( cfg$COLUMNAS ) ->
    df

df
#  Apellido1 Apellido2 Nombre1           Nombre2
#1   Alarcon Rodriguez    Juan           Ignacio
#2     Rojas     Maria                          
#3      Diaz    Flores   Tomas                  
#4   Herrera    Castro   Maria Teresita de Jesus

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.