R：如何在复杂的数据框中删除具有某些条件的重复项？

Question

我有一个工厂生产金银产品（笔）的数据集，我们想通过分配员工检查工厂所有机器生产的这些产品来检查质量。数据样本数据如下：

每台机器都位于特定的房间/区域/建筑物中，我们有两列来对测试金笔和银笔的员工 ID 进行分组。

问题是我有重复的员工测试同一台机器的质量。所以我想删除这些重复项并将那些不重复的分组。 示例：

Bld.No <- c(1,1,1,1,1,1,2,2,2,2)
Section <- c("A","A","A","A","B","B","C","C","D","D")
Room.No <- c(100,100,100,100,200,200,300,300,400,400)
Gold <- c(8,6,4,0,6,0,7,2,2,1)
Silver <- c(1,0,0,1,2,3,4,0,4,0)
Total <- c(9,6,4,1,8,3,11,2,6,1)
Emp.Gold.ID <- c("A11, A09, B22, E12, A04, C09, D33, A01", "A11, A09, B22, E12, A04, A01", "A09, 822, E12, A04", NA, "A71, A09, B12, E32, A04, C19", NA, "B22, E12, A04, C09, D33, A01, M11", "E12, Z09", "C09, D33", "D18")
Emp.Silver.ID <- c("A17", NA, NA, "D33", "B22, E12", "A09, B12, E32", "A44, C02, D03, A71", NA, "A12, A01, M11, D18", NA)

df <- data.frame(Bld.No, Section, Room.No, Gold, Silver, Total, Emp.Gold.ID, Emp.Silver.ID)

注意：如果 emp.Id 已经在之前的记录中，无论是金还是银，我们都应该删除它。这意味着 ID 应该在其中一个中并删除重复项。看sample and output表最后一条记录的例子，我们去掉了最后一条记录(2,D,400,1,0,1,D18,NA)，因为D18已经在上一条记录中了，虽然它是在银列。

样本数据和输出：

Sample Data and Output

Answer 1

为此，我将使用 separate_rows 将所有 ID 放在单独的行中，以便稍后使用 distinct 删除重复项。

删除重复 ID 后，将为黄金和白银创建以逗号分隔的 ID 字符串。您可以在此步骤之前或之后汇总总金和银。

请注意，为了获得与示例数据和输出中相同的结果，我将 822 更改为 B22。

如果这是您的想法，请告诉我。

library(dplyr)
library(tidyr)

df$Emp.Gold.ID <- as.character(df$Emp.Gold.ID)
df$Emp.Silver.ID <- as.character(df$Emp.Silver.ID)

df %>% 
  separate_rows(Emp.Gold.ID) %>%
  separate_rows(Emp.Silver.ID) %>%
  pivot_longer(cols = starts_with("Emp."), names_to = "ID", values_drop_na = TRUE) %>%
  group_by(Bld.No, Section, Room.No) %>%
  distinct(value, .keep_all = TRUE) %>%
  group_by(Bld.No, Section, Room.No, ID) %>%
  summarise(NewID = toString(value)) %>%
  pivot_wider(names_from = ID, values_from = NewID) %>%
  mutate(Gold = length(unlist(strsplit(Emp.Gold.ID, ", "))),
         Silver = length(unlist(strsplit(Emp.Silver.ID, ", "))),
         Total = Gold + Silver)

# A tibble: 4 x 8
# Groups:   Bld.No, Section, Room.No [8]
  Bld.No Section Room.No Emp.Gold.ID                            Emp.Silver.ID       Gold Silver Total
   <dbl> <fct>     <dbl> <chr>                                  <chr>              <int>  <int> <int>
1      1 A           100 A11, A09, B22, E12, A04, C09, D33, A01 A17                    8      1     9
2      1 B           200 A71, A09, B12, E32, A04, C19           B22, E12               6      2     8
3      2 C           300 B22, E12, A04, C09, D33, A01, M11, Z09 A44, C02, D03, A71     8      4    12
4      2 D           400 C09, D33                               A12, A01, M11, D18     2      4     6