将列内容与某些行中的重复信息相结合

Question

我一直在处理从各种数据库访问的一些数据，现在有两列在某些行中包含重复信息，但在其他行中不包含重复信息。我想合并这两列，但如果重复，只保留一组信息。

这是我的数据的示例：

species <- c('taxon1', 'taxon2', 'taxon3', 'taxon4', 'taxon 5', 'taxon6','taxon7','taxon8')
continentmax <- c(NA,'North America','Oceania','Europe, North America, and Oceania',NA,NA,'Europe',NA)
continentmin <- c('South America','North America',NA,'Europe, North America, and Oceania',NA,NA,'Europe','Asia')

df <- data.frame(species, continentmax, continentmin)

  species                       continentmax                       continentmin
1  taxon1                               <NA>                      South America
2  taxon2                      North America                      North America
3  taxon3                            Oceania                               <NA>
4  taxon4 Europe, North America, and Oceania Europe, North America, and Oceania
5 taxon 5                               <NA>                               <NA>
6  taxon6                               <NA>                               <NA>
7  taxon7                             Europe                             Europe
8  taxon8                               <NA>                               Asia

对于某些行两者都是 NA，有些具有重复的信息，有些只有一列中的信息。我想有一个组合的大陆列作为输出，如下所示：

 species                          continent
1  taxon1                      South America
2  taxon2                      North America
3  taxon3                            Oceania
4  taxon4 Europe, North America, and Oceania
5 taxon 5                               <NA>
6  taxon6                               <NA>
7  taxon7                             Europe
8  taxon8                               Asia

我尝试过df$continent <- paste(df$continentmax, df$continentmin, collapse = ',')，但结果列的每一行都填满了所有大陆。 当我使用 df$continent <- paste(unique(c(df$continentmax[1], df$continentmin[1])), collapse = ',') 时，我得到了大约所需的结果，但仅适用于第一行，并且 NA 也被粘贴为文本。我有超过 2000 行，所以这种方法不可行。

我也尝试过使用 sapply 和使用 mutate 的整洁方式，但无济于事。我最接近的是使用df$continent <- do.call(paste, c(df[2:3], sep = ","))，结果是：

  species                                                             continent
1  taxon1                                                      NA,South America
2  taxon2                                           North America,North America
3  taxon3                                                            Oceania,NA
4  taxon4 Europe, North America, and Oceania,Europe, North America, and Oceania
5 taxon 5                                                                 NA,NA
6  taxon6                                                                 NA,NA
7  taxon7                                                         Europe,Europe
8  taxon8                                                               NA,Asia

所需的信息存在于每一行中，但包含 NA，并且重复数据列出了两次。我考虑过编写一个函数来逐行执行，但无法正确使用语法。

关于如何解决这个问题的任何想法？在有关组合列内容的许多条目中，我没有找到任何适合我的答案。

非常感谢任何帮助！

编辑：出于好奇，有人有 data.table 或基本 R 解决方案吗？

Answer 1

这个怎么样...

library(dplyr)

df %>%
  mutate(continent = case_when(continentmax == continentmin ~ continentmax,
                           is.na(continentmax) & !is.na(continentmin) ~ continentmin,
                           !is.na(continentmax) & is.na(continentmin) ~ continentmax,
                           is.na(continentmax) & is.na(continentmin) ~ NA_character_))

或者更高效...你也可以使用这个。

df %>%
  rowwise() %>%
  mutate(continent = max(continentmax, continentmin, na.rm = T))

data.table 解决方案

library(data.table)
df.dt = as.data.table(df)
df.dt2 = df.dt[,continent:=pmin(continentmax, continentmin, na.rm = T)]
head(df.dt2)