如何使用`dplyr`包在group_by（）之后删除每列的重复项答案

【问题标题】：how to delete duplicated duplicated of each column after group_by() using `dplyr` package如何使用`dplyr`包在group_by（）之后删除每列的重复项
【发布时间】：2015-11-08 08:15:44
【问题描述】：

我有一个这样的data.frame mydata

   V1 V2 V3 V4 V5
1  a  b  a      
2  a  b     c   
3  a  b        d
4  x  y  h      
5  x  y     k  e

我想按V1和V2列分组，并删除其他列中的""字符串

结果应该是这样的

  V1 V2 V3 V4 V5
1  a  b  a  c  d
2  x  y  h  k  e

他们是使用dplyr 包执行此操作的有效方法吗？非常感谢。

【问题讨论】：

标签： r dataframe dplyr data-manipulation

【解决方案1】：

如果感兴趣的话，使用base R

x <- data.frame(V1 = c(rep("a", 3), "x", "x"), 
    V2 = c(rep("b", 3), "y", "y"), 
    V3= c("a", "", "", "h", ""), 
    V4 = c("", "c", "", "", "k"), 
    V5 = c(rep("", 2), "d", "", "e"))

temp <- lapply(x[], function(y) as.character(unique(y[y != ""])))
data.frame(do.call(cbind,temp))

  V1 V2 V3 V4 V5
1  a  b  a  c  d
2  x  y  h  k  e

【讨论】：

几个stringsAsFactors=FALSE 参数也可以很方便地包含在内。
听起来是个好主意。你能详细说明一下吗？我不确定我是否完全遵循

【解决方案2】：

我们可以使用dplyr/tidyr。我们使用gather将数据从“宽”重塑为“长”，使用filter删除“Val”列中的空白元素，并使用spread将其重塑回“宽”格式。

library(dplyr)
library(tidyr) 
gather(mydata, Var, Val, V3:V5) %>% 
              filter(Val!='') %>% 
              spread(Var, Val)
#   V1 V2 V3 V4 V5
#1  a  b  a  c  d
#2  x  y  h  k  e

或仅使用dplyr 的另一种方法（如果每个组中非空白值的数量相同）将按“V1”、“V2”分组，并使用summarise_each 仅选择元素非空白 (.[.!=''])

 mydata %>%
       group_by(V1, V2) %>% 
       summarise_each(funs(.[.!='']))
 #  V1 V2 V3 V4 V5
 #1  a  b  a  c  d
 #2  x  y  h  k  e

我们也可以使用data.table 来执行此操作。我们将“data.frame”转换为“data.table”（setDT(mydata)），按“V1”、“V2”分组，遍历其他列（lapply(.SD, ...)）并对非空白元素进行子集化。

 library(data.table)
 setDT(mydata)[,lapply(.SD, function(x) x[x!='']) ,.(V1, V2)]
 #   V1 V2 V3 V4 V5
 #1:  a  b  a  c  d
 #2:  x  y  h  k  e

使用来自base R 的aggregate 的类似方法是

 aggregate(.~V1+V2, mydata, FUN=function(x) x[x!=''])
 #  V1 V2 V3 V4 V5
 #1  a  b  a  c  d
 #2  x  y  h  k  e

数据

mydata <- structure(list(V1 = c("a", "a", "a", "x", "x"),
V2 = c("b", "b", 
"b", "y", "y"), V3 = c("a", "", "", "h", ""), V4 = c("", "c", 
"", "", "k"), V5 = c("", "", "d", "", "e")), .Names = c("V1", 
"V2", "V3", "V4", "V5"), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5"))

【讨论】：

@ZihuGuo 很高兴为您提供帮助。