在R中重命名重复的字符串答案

【问题标题】：Renaming duplicate strings in R在R中重命名重复的字符串
【发布时间】：2013-05-14 19:54:42
【问题描述】：

我有一个包含两列字符串的 R 数据框。在其中一列（例如 Column1）中存在重复值。我需要重新标记该列，以便使用有序后缀重命名重复的字符串，例如 Column1.new

 Column1   Column2   Column1.new
 1         A         1_1
 1         B         1_2
 2         C         2_1
 2         D         2_2
 3         E         3
 4         F         4

任何关于如何做到这一点的想法将不胜感激。

干杯，

防盗

【问题讨论】：

标签： r duplicates rename

【解决方案1】：

@Cão 只回答基数 R：

x=read.table(text="
Column1   Column2   #Column1.new
1         A         #1_1
1         B         #1_2
2         C         #2_1
2         D         #2_2
3         E         #3
4         F         #4", stringsAsFactors=F, header=T)

string<-x$Column1
mstring <- make.unique(as.character(string) )
mstring<-sub("(.*)(\\.)([0-9]+)","\\1_\\3",mstring)
y <- rle(string)
tmp <- !duplicated(string) & (string %in% y$values[y$lengths>1])
mstring[tmp]<-gsub("(.*)","\\1_0", mstring[tmp]) 
end <- sub(".*_([0-9]+)","\\1",grep("_([0-9]*)$",mstring,value=T) ) 
beg <- sub("(.*_)[0-9]+","\\1",grep("_([0-9]*)$",mstring,value=T) ) 
newend <- as.numeric(end)+1
mstring[grep("_([0-9]*)$",mstring)]<-paste0(beg,newend)
x$Column1New<-mstring
x

【讨论】：

【解决方案2】：

可能更多的是一种解决方法，但对于那些需求不完全相同的人来说，其中的一部分可能更有用和更简单。 make.names 与 unique=T 属性添加重复的点和数字名称：

x <- make.names(tab$Column1,unique=T)
> print(x)
[1] "X1"   "X1.1" "X2"   "X2.1" "X3"   "X4"

这对某些人来说可能已经足够了。然后，您可以在此处获取重复元素的第一个条目，而不是未重复的元素，然后在末尾添加 .0。

y <- rle(tab$Column1)
tmp <- !duplicated(tab$Column1) & (tab$Column1 %in% y$values[y$lengths>1])
x[tmp] <- str_replace(x[tmp],"$","\\.0")
> print(x)
[1] "X1.0" "X1.1" "X2.0" "X2.1" "X3"   "X4"

替换点并删除 X

x <- str_replace(x,"X","")
x <- str_replace(x,"\\.","_")
> print(x)
[1] "1_0" "1_1" "2_0" "2_1" "3"   "4"

对你来说可能已经足够了。但是，如果您希望索引从 1 开始，请抓住数字，加一个然后放回原处。

z <- str_match(x,"_([0-9]*)$")[,2]
z <- as.character(as.numeric(z)+1)
x <- str_replace(x,"_([0-9]*)$",paste0("_",z))
> print(x)
[1] "1_1" "1_2" "2_1" "2_2" "3"   "4"

就像我说的，这里有更多的解决方法，但提供了一些选项。

【讨论】：

【解决方案3】：

d <- read.table(text='Column1   Column2  
 1         A 
 1         B 
 2         C 
 2         D 
 3         E 
 4         F', header=TRUE)

transform(d, 
    Column1.new = ifelse(duplicated(Column1) | duplicated(Column1, fromLast=TRUE), 
                         paste(Column1, ave(Column1, Column1, FUN=seq_along), sep='_'), 
                         Column1))

#   Column1 Column2 Column1.new
# 1       1       A         1_1
# 2       1       B         1_2
# 3       2       C         2_1
# 4       2       D         2_2
# 5       3       E           3
# 6       4       F           4

【讨论】：

这实际上是更准确的解决方案，因为我不想为非重复字符串添加后缀。但两者都适用于我的目的。干杯！

【解决方案4】：

假设您的数据（按Column1 排序）位于名为tab 的对象中。首先创建一个游程对象

c1.rle <- rle(tab$Column1)
c1.rle
##lengths: int [1:4] 2 2 1 1
##values : int [1:4] 1 2 3 4

这为您提供Column1 的值以及每个元素的相应出现次数。然后使用该信息创建具有唯一标识符的新列：

tab$Column1.new <- paste0(rep(c1.rle$values, times = c1.rle$lengths), "_",
        unlist(lapply(c1.rle$lengths, seq_len)))

不确定，如果这适合您的情况，但您也可以将 Column1 和 Column2 粘贴在一起，以创建唯一标识符...

【讨论】：