deschen's questions

Tenho os seguintes dados:

df <- structure(list(id = c("1358792", "1358792", "333482", "333482", "747475", "747475"),
                     x = c("123", "123", "456", "456", NA, NA),
                     all_x = list("123", "123",
                                  c("456", "789"),
                                  c("456", "789"),
                                  list(),
                                  list())),
                row.names = c(NA, -6L),
                class = "data.frame")
    
       id    x    all_x
1 1358792  123      123
2 1358792  123      123
3  333482  456 456, 789
4  333482  456 456, 789
5  747475 <NA>     NULL
6  747475 <NA>     NULL

A coluna all_x é uma lista com um valor VAZIO/NULO, um único caractere ou um vetor de caracteres.

Quero criar uma nova coluna (estilo tidyverse) com a seguinte lógica: quando a all_xcoluna tiver um ou nenhum valor, basta pegar o valor de x. Se tiver dois valores (ou seja, for um vetor de caracteres), queremos agrupar por ide pegar o elemento que corresponde ao número da linha, ou seja, para o primeiro valor id, pegar o primeiro elemento do vetor de caracteres, para o segundo elemento id, pegar o segundo valor de caractere e assim por diante.

A saída desejada seria uma coluna de caracteres adicional com os respectivos valores, ou seja

       id    x    all_x   x2
1 1358792  123      123  123
2 1358792  123      123  123
3  333482  456 456, 789  456
4  333482  456 456, 789  789
5  747475 <NA>     NULL <NA>
6  747475 <NA>     NULL <NA>

Eu tentei várias variantes com if_else, ifelsee deslistagem e indexação, mas ainda assim sempre recebo erros devido à estrutura mista da all_xcoluna.

Aqui está o mais próximo que cheguei:

library(tidyverse)
df |>
  mutate(x2 = if_else(lengths(all_x) > 1, all_x[[1]][row_number()], x), .by = id)

No entanto, obviamente, não tenho sucesso.

Admito que essas perguntas sobre regex já foram feitas antes, mas ainda estou com dificuldades para encontrar uma solução funcional (mesmo depois de consultar o ChatGPT).

Tomando o seguinte exemplo: text <- c("test1", "test2 | ", "test3 | test3 | test 3", "test4 | test4 | test 4 | test4")quero remover todo o texto que começa na n-ésima (no meu caso, a segunda) ocorrência de " | ".

Então a saída deve ser:output <- c("test1", "test2 | ", "test3 | test3", "test4 | test4")

Consegui fazer funcionar quando há até dois textos " | " com str_remove(text, "( \\| [^\\|]+$)"), mas isso não se generaliza para casos com mais de duas ocorrências desse padrão correspondente.

Quero vincular linhas de dois quadros de dados diferentes, onde um quadro de dados contém uma coluna de valores hash, enquanto o segundo quadro de dados não contém esta coluna.

library(tidyverse)
library(openssl)

df <- data.frame(x = sha3(letters[1:3], size = 512),
                 y = 1:3)

df2 <- data.frame(y = 4:6)

df |>
  bind_rows(df2)

Ao tentar vincular linhas, recebo o seguinte erro:

Error in `bind_rows()`:
! Can't combine `..1` <hash> and `..2` <vctrs:::common_class_fallback>.
Run `rlang::last_trace()` to see where the error occurred.

De alguma forma, entendi de onde vem isso, porque o segundo quadro de dados não contém a coluna x. No entanto, minha saída esperada/desejada seria que bind_rows ainda funcionaria e apenas preencheria a coluna x com NAfor df2.

EDITAR:

Criei uma pequena solução alternativa simplesmente convertendo a coluna hash de df de volta para caractere, mas ainda estou curioso para saber se poderia evitar o erro em primeiro lugar.