根据dplyr中每一列中的数据组合数据框答案

【问题标题】：Combining data frame based on data in each column in dplyr根据dplyr中每一列中的数据组合数据框
【发布时间】：2019-04-17 18:12:09
【问题描述】：

假设我有一些网络数据如下所示：

col_a <- c("A","B","C")
col_b <- c("B","A","A")
val <- c(1,3,7)
df <- data.frame(col_a, col_b, val)
df

  col_a col_b val
1     A     B   1
2     B     A   3
3     C     A   7

这可能是一个网络，而 val 可能是两者之间的边的权重。但是，我想在 A 和 B 以及 B 和 A 之间添加权重以获得以下结果：

new_col_a <- c("A", "A")
new_col_b <- c("B", "C")
new_val <- c(4,7)
want_df <- data.frame(new_col_a, new_col_b, new_val)
want_df

  new_col_a new_col_b new_val
1         A         B       4
2         A         C       7

dplyr 有没有办法做到这一点？

【问题讨论】：

标签： r dplyr

【解决方案1】：

dplyr 的一种可能是：

df %>%
 mutate_if(is.factor, as.character) %>%
 group_by(grp = paste(pmin(col_a, col_b), pmax(col_a, col_b), sep = "_")) %>%
 summarise(val = sum(val))

  grp     val
  <chr> <dbl>
1 A_B       4
2 A_C       7

或者tidyverse，使用与@Sonny类似的想法：

df %>%
 mutate_if(is.factor, as.character) %>%
 nest(col_a, col_b) %>%
 group_by(grp = unlist(map(data, function(x) paste(sort(x), collapse = "_")))) %>%
 summarise(val = sum(val))

如果您还想将其分成两列（此步骤还需要tidyr）：

df %>%
 mutate_if(is.factor, as.character) %>%
 group_by(grp = paste(pmin(col_a, col_b), pmax(col_a, col_b), sep = "_")) %>%
 summarise(val = sum(val)) %>%
 separate(grp, c("new_col_a", "new_col_b"), sep = "_")

  new_col_a new_col_b   val
  <chr>     <chr>     <dbl>
1 A         B             4
2 A         C             7

或者在第二种可能性的情况下：

df %>%
 mutate_if(is.factor, as.character) %>%
 nest(col_a, col_b) %>%
 group_by(grp = unlist(map(data, function(x) paste(sort(x), collapse = "_")))) %>%
 summarise(val = sum(val)) %>%
 separate(grp, c("new_col_a", "new_col_b"), sep = "_")

【讨论】：

【解决方案2】：

您可以为此使用dplyr

df <- data.frame(col_a, col_b, val, stringsAsFactors = F)

library(dplyr)
library(tidyr)
df %>% 
  mutate(
    pair = purrr::pmap_chr(
      .l = list(from = col_a, to = col_b),
      .f = function(from, to) paste(sort(c(from, to)), collapse = "_")
    )
  ) %>%
  group_by(pair) %>%
  summarise(new_val = sum(val)) %>%
  separate(pair, c("new_col_a", "new_col_b"), sep = "_")
  # A tibble: 2 x 3
  new_col_a new_col_b new_val
  <chr>     <chr>       <dbl>
1 A         B               4
2 A         C               7

类似于我之前的answers之一

【讨论】：

【解决方案3】：

如果你先把你的数据整理成一个整齐、长的形式，那么它会变得相当简单。转换为长，对你的列标签进行排序，独立于你的values，分组，总结你的val：

df %>%
    gather(grp,col,-val) %>%
    mutate(col=col[order(col,grp)]) %>%
    spread(grp,col) %>%
    group_by(col_a, col_b) %>%
    summarize(val = sum(val))

## A tibble: 2 x 3
## Groups:   col_a [?]
#  col_a col_b   val
#  <chr> <chr> <dbl>
#1 A     B         4
#2 A     C         7

【讨论】：