R - IMDb 数据集文件 - 如何合并每部电影的线条答案

【问题标题】：R - IMDb dataset files - how to merge lines per filmR - IMDb 数据集文件 - 如何合并每部电影的线条
【发布时间】：2020-01-09 03:09:15
【问题描述】：

IMDb 数据集文件中的一个文件 (title.principals) 包含有关演员和工作人员的详细信息。我想提取导演的详细信息并将它们合并到单行中，因为每部电影可以有多个导演。有可能吗？

#title.principals file download
url <- "https://datasets.imdbws.com/title.principals.tsv.gz"
tmp <- tempfile()
download.file(url, tmp)

#file load
title_principals <- readr::read_tsv(
  file = gzfile(tmp),
  col_names = TRUE, 
  quote = "",
  na = "\\N",
  progress = FALSE
)

#name.basics file download
url <- "https://datasets.imdbws.com/name.basics.tsv.gz"
tmp <- tempfile()
download.file(url, tmp)

#file load
name_basics <- readr::read_tsv(
  file = gzfile(tmp),
  col_names = TRUE, 
  quote = "",
  na = "\\N",
  progress = FALSE
)

#extract directors data
df_directors <- title_principals %>%
  filter(str_detect(category, "director")) %>%
  select(tconst, ordering, nconst, category) %>%
  group_by(tconst)

df_directors <- df_directors %>% left_join(name_basics)

head(df_directors, 20)

我将它与 name_basics 文件一起加入，以获得导演姓名。姓名基础包含姓名、生卒年、职业。在这一步之后，我想将每部电影的所有导演合并到一个以逗号分隔的单元格中。

有没有可能？

【问题讨论】：

name_basics的内容是什么？你需要stackoverflow.com/questions/15933958/… 吗？
合并每部电影的所有导演df_directors中的电影名称在哪里？
没有电影名称。有 ID tconst。与其他文件的导演合并后将添加标题。

标签： r merge concatenation

【解决方案1】：

请参阅本指南以获取 minimal reproducible example。使用虚假数据设置一个简化的示例以突出确切的问题将帮助其他人更快地帮助您。

据我了解，您希望获取一个文件，该文件的每个值为 ID_tconst 具有不同的值 Director_Name，并将其折叠到一个文件中，每个值为 ID_tconst 并以逗号分隔Director_Names 的列表。

这是一个简单的模拟数据集和解决方案。注意collapse 参数在paste 中的使用，而不是sep。

library(tidyverse)
example <- tribble(
  ~ID_tconst, ~Director_Name, 
  1, "Aaron",
  2, "Bob",
  2, "Cathy",
  3, "Doug",
  3, "Edna",
  3, "Felicty"
)

collapsed <- example %>% 
  group_by(ID_tconst) %>% 
  summarize(directors = paste(Director_Name, collapse = ","))

【讨论】：