连续删除重复的字符串答案

【问题标题】：Remove Duplicated String in a Row连续删除重复的字符串
【发布时间】：2015-01-26 05:52:23
【问题描述】：

以下问题：

我有一个包含多个条目的变量的数据框 data1：

data1 <- data.frame(v1 = c("test, test, bird", "bird, bird", "car"))

现在我想删除每一行中的重复条目。结果应如下所示：

data1.final <- data.frame(v1 = c("test, bird", "bird", "car"))

我试过了：

data1$ID <- 1:nrow(data1)
data1$v1 <- as.character(data1$v1)

data1 <- split(data1, data1$ID)
reduce.words <- function(x) {
  d <- unlist(strsplit(x$v1, split=" "))
  d <- paste(d[-which(duplicated(d))], collapse = ' ')
  x$v1 <- d 
  return(x)
}
data1 <- lapply(data1, reduce.words)
data1 <- as.data.frame(do.call(rbind, data1))

但是，这会产生空行，第一行除外。有没有人想办法解决这个问题？

【问题讨论】：

标签： r duplicates collapse

【解决方案1】：

您的工作流程似乎相当复杂。只创建一个适用于行的简单函数怎么样？

reduce_row = function(i) {
  split = strsplit(i, split=", ")[[1]]
  paste(unique(split), collapse = ", ") 
}

然后使用apply

data1$v2 = apply(data1, 1, reduce_row)

得到

R> data1
                v1         v2
1 test, test, bird test, bird
2       bird, bird       bird
3              car        car

【讨论】：

【解决方案2】：

另一个使用cSplit 的选项来自splitstackshape

library(splitstackshape)
cSplit(cbind(data1, indx=1:nrow(data1)), 'v1', ', ', 'long')[,
        toString(v1[!duplicated(v1)]), 
                                  by=indx][,indx:=NULL][]
  #          V1
  #1: test, bird
  #2:       bird
  #3:        car

或者像 cmets 中提到的@Ananda Mahto 那样

 unique(cSplit(as.data.table(data1, keep.rownames = TRUE),
                    "v1", ",", "long"))[, toString(v1), by = rn]

 #   rn         V1
 #1:  1 test, bird
 #2:  2       bird
 #3:  3        car

【讨论】：

(+1)。我个人的偏好（不确定它是否更有效）是使用keep.rownames 和unique，所以改用unique(cSplit(as.data.table(data1, keep.rownames = TRUE), "v1", ",", "long"))[, toString(v1), by = rn]。
@AnandaMahto 谢谢，没想到keep.rownames 是个不错的选择。