删除 data.table 中的所有重复项，添加带有标识符列表的列

Question

基于my previous question，我有以下data.table：

> dt = data.table(V1 = c(1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 4),
                  V2 = c(4, 4, 4, 5, 5, 6, 6, 7, 7, 4, 5),
                  ID = c(1, 2, 3, 1, 2, 2, 2, 1, 3, 1, 1))
    V1 V2 ID
 1:  1  4  1
 2:  1  4  2
 3:  1  4  3
 4:  2  5  1
 5:  2  5  2
 6:  2  6  2
 7:  2  6  2
 8:  2  7  1
 9:  2  7  3
10:  3  4  1
11:  4  5  1

有许多重复的行（查看 V1 和 V2 时）。

我想删除所有“完全重复”的行（那些V2 对于给定的V1 总是相同的行），包括具有唯一V1 的行（因为所有一个V2 都相等对自己）。

在上面链接的上一个问题中，我得到了许多解决方案，包括@akrun（针对这个新表进行了修改）：

> newDT = unique(dt[dt[, .(i1 = .I[uniqueN(V2) > 1]), V1]$i1], by = c("V1", "V2"))
   V1 V2 ID
1:  2  5  1
2:  2  6  2
3:  2  7  3

但是，我实际上需要存储具有给定结果的IDs 列表。我可以轻松地收集给定一对(V1, V2) 的IDs 列表

> unique(dt[V1 == 2 & V2 == 5, ID])
[1] 1 2

（unique 是必要的，因为给定的(V1,V2) 对也可能有重复的ID，请参阅dt 行 6:7）并添加它

newDT[, ID := .(.(unique(dt[V1 == 2 & V2 == 5, ID])))]

但我不知道如何“迭代”每个 (V1,V2) 对。

总之，我需要输出是

> newDT
   V1 V2      ID
1:  2  5  (1, 2)
2:  2  6     (2)
3:  2  7  (1, 3)

Answer 1

对数据行进行子集化后，按“V1”、“V2”分组，创建list of unique“ID”

dt[dt[, .(i1 = .I[uniqueN(V2) > 1]), V1]$i1][, .(ID = list(unique(ID))), .(V1, V2)]
#   V1 V2  ID
#1:  2  5 1,2
#2:  2  6   2
#3:  2  7 1,3

Answer 2

dt[, .(ID = .(unique(ID))), by = .(V1, V2)
   ][dt[, .(V2 = if (uniqueN(V2) > 1) unique(V2) else numeric(0)), by = V1], on = .(V1, V2)]

分为几个步骤：

# Extract our pairs of interests first
our_pairs <- dt[, .(V2 = if (uniqueN(V2) > 1) unique(V2) else numeric(0)), by = V1]
our_pairs
#    V1 V2
# 1:  2  5
# 2:  2  6
# 3:  2  7

# Aggregate all ID's for each pair on original data
ids_forpairs <- dt[, .(ID = .(unique(ID))), by = .(V1, V2)]
ids_forpairs
#    V1 V2    ID
# 1:  1  4 1,2,3
# 2:  2  5   1,2
# 3:  2  6     2
# 4:  2  7   1,3
# 5:  3  4     1
# 6:  4  5     1

# Then filter by our pairs of interest
ids_forpairs[our_pairs, on = .(V1, V2)]
#    V1 V2  ID
# 1:  2  5 1,2
# 2:  2  6   2
# 3:  2  7 1,3