R - 合并列值答案

【问题标题】：R - merge column valuesR - 合并列值
【发布时间】：2016-10-18 11:04:16
【问题描述】：

我有一个输入数据框如下：

COL1    COL2
10     res prt
10     res
10     kitty
10     dog 
10     kitty cat
10     doggy dog

我希望输出是这样的：即 COL2 应该包含非重复的连接值

COL1    COL2
10  res prt, kitty, dog, cat, doggy

请有人帮我解决这个问题，因为我是 R 新手

【问题讨论】：

只有 10 个条目吗？如果没有，请修改您的示例
是的.. 10 是唯一的条目
请澄清：在您的第一个条目中，您有“res prt”，第二个条目是“res”，第五个条目是“kitty cat”。在您想要的输出中，您有“res prt”，没有“prt”，然后“kitty”和“cat”是分开的。这是您希望数据的样子吗？

标签： r dataframe merge

【解决方案1】：

如果10 是唯一的条目，那么：

> new.df <- data.frame(COL1 = 10, COL2 = paste(unique(unlist(strsplit(paste(df$COL2), split = " "))), collapse = " "))

结果：

> new.df
  COL1                        COL2
1   10 res prt kitty dog cat doggy

编辑：

要得到确切的答案，试试这个 dumb 粗暴（因为我认为 R 中的每个 for 都被认为是错误的）brute force 解决方案：

> str <- paste(df$COL2)
> str
[1] "res prt"   "res"       "kitty"     "dog"       "kitty cat" "doggy dog"

> for(i in 2:length(str)) {
     Remaining.Words <- unlist(strsplit(str[1:i-1], split = " "))

     My.Words <- unlist(strsplit(str[i], split = " "))

     for(k in 1:length(My.Words)) {
         if(My.Words[k] %in% Remaining.Words) My.Words <- My.Words[-k]
     }

     if(length(My.Words) > 0) str[i] <- paste(My.Words, collapse = " ")
     else str <- str[-i]
 }
> str
[1] "res prt" "kitty"   "dog"     "cat"     "doggy"   "NA"     
> new.df <- data.frame(COL1 = 10, COL2 = paste(str[-6], collapse = ","))

结果_2.0：

> new.df
  COL1                        COL2
1   10 res prt,kitty,dog,cat,doggy

【讨论】：

是的，这也是我的答案，但他想要逗号，所以collapse 应该是逗号
不过，还有很多事情要做。上面的演示表明： - res prt 先出现，然后忽略 res - dog 先出现，然后在 doggy dog 中删除 dog 任何想法？ @Amit Kohli
是的..我不想将该字段拆分为单个单词。相反，我希望将整个领域视为一个领域。任何人都可以使用 gsub 或 grepl 命令提出解决方案吗？？？

【解决方案2】：

您可以为此使用 dplyr，尝试：

df <- data.frame(COL1 = c(rep(10, 4), rep(20, 3)),
                 COL2 = c("res prt", "res", "kitty", "kitty cat",
                          "res", "kitty", "kitty cat"),
                 stringsAsFactors = FALSE)
##  COL1      COL2
## 1   10   res prt
## 2   10       res
## 3   10     kitty
## 4   10 kitty cat
## 5   20       res
## 6   20     kitty
## 7   20 kitty cat

library(dplyr)
makeString <- function(x) {
  res <- unlist(strsplit(x, " "))
  res <- unique(res)
  paste(res, collapse = ", ")
}

df %>%  group_by(COL1) %>% summarise_all(makeString)

这给了你：

## A tibble: 2 × 2
##   COL1                 COL2
##  <dbl>                <chr>
## 1    10 res, prt, kitty, cat
## 2    20      res, kitty, cat

【讨论】：

【解决方案3】：

这是一个简单的例子：

# a text column
txt <- c("foo bar", "bar", "foo")

# split it into words
words <- unlist(strsplit(txt, " "))

# return the unique values of this
unique(words)
[1] "foo" "bar"

有意义吗？如果你想将它们连接起来打印出来，你可以说：

cat(unique(words))

【讨论】：