在 data.frame 中保留唯一行并聚合非唯一行答案

【问题标题】：Keep unique rows in data.frame and aggregate the non-unique rows在 data.frame 中保留唯一行并聚合非唯一行
【发布时间】：2018-11-21 06:47:57
【问题描述】：

我有一个data.frame，它对于其列的子集不是唯一的，我想做的是获取非唯一列的唯一部分和相应的聚合（通过collapse）唯一列。

这是一个例子：

library(dplyr)

set.seed(1)
df <- data.frame(v1=rnorm(5), v2=rnorm(5), v3=rnorm(5), id=paste0("id",1:5))

#Replicate a couple of rows adding different ids:
df <- df %>% rbind(df[sample(5,2,replace = F),] %>% dplyr::mutate(id=paste0("id",6:7)))

> df
          v1         v2       v3  id
1 -0.6264538 -0.8204684  1.5117812 id1
2  0.1836433  0.4874291  0.3898432 id2
3 -0.8356286  0.7383247 -0.6212406 id3
4  1.5952808  0.5757814 -2.2146999 id4
5  0.3295078 -0.3053884  1.1249309 id5
6 -0.8356286  0.7383247 -0.6212406 id6
7  0.3295078 -0.3053884  1.1249309 id7

由于复制了第 3 行和第 5 行，因此生成的 data.frame 将是：

> data.frame(df[1:5,] %>% dplyr::select(-id),id=c("id1","id2","id3,id6","id4","id5,id7"))

          v1         v2       v3      id
1 -0.6264538 -0.8204684  1.5117812     id1
2  0.1836433  0.4874291  0.3898432     id2
3 -0.8356286  0.7383247 -0.6212406 id3,id6
4  1.5952808  0.5757814 -2.2146999     id4
5  0.3295078 -0.3053884  1.1249309 id5,id7

有没有dplyr 或tidyr 的方法可以做到这一点？

【问题讨论】：

标签： r dataframe dplyr unique tidyr

【解决方案1】：

df%>%
   group_by(v1,v2,v3)%>%
   summarise(id=toString(id))
# A tibble: 5 x 4
# Groups:   v1, v2 [?]
      v1     v2     v3 id
   <dbl>  <dbl>  <dbl> <chr>         
1 -0.836  0.738 -0.621 id3, id6      
2 -0.626 -0.820  1.51  id1           
3  0.184  0.487  0.390 id2           
4  0.330 -0.305  1.12  id5, id7      
5  1.60   0.576 -2.21  id4           


df%>%
   group_by(v1,v2,v3)%>%
   summarise(id=toString(id))%>%data.frame()
          v1         v2         v3       id
1 -0.8356286  0.7383247 -0.6212406 id3, id6
2 -0.6264538 -0.8204684  1.5117812      id1
3  0.1836433  0.4874291  0.3898432      id2
4  0.3295078 -0.3053884  1.1249309 id5, id7
5  1.5952808  0.5757814 -2.2146999      id4

【讨论】：

非常感谢@Onyambu。如果我想将列名向量传递给group_by（例如c("v1","v2","v3")），我该怎么办？我以为group_by_(c("v1","v2","v3")) 会起作用，但它只会返回v1 和id。
这超出了这个问题的范围。您必须查看 here 以了解如何使用 dplyr 进行编程。

【解决方案2】：

因为我确实认为这很有帮助，所以这里是完整的解决方案，包括将字符串向量传递给 summarise：

df %>%
  group_by_(.dots=c("v1","v2","v3")) %>%
  summarise(id=toString(id))

# A tibble: 5 x 4
# Groups:   v1, v2 [?]
          v1         v2         v3       id
       <dbl>      <dbl>      <dbl>    <chr>
1 -0.8356286  0.7383247 -0.6212406 id3, id6
2 -0.6264538 -0.8204684  1.5117812      id1
3  0.1836433  0.4874291  0.3898432      id2
4  0.3295078 -0.3053884  1.1249309 id5, id7
5  1.5952808  0.5757814 -2.2146999      id4

【讨论】：