Блог

Я хочу объединить один столбец во фрейме данных в соответствии с двумя группирующими переменными и разделить отдельные значения запятой.

Вот некоторые данные:

 data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))
data
#     A B  C
# 1 111 1  5
# 2 111 2  6
# 3 111 1  7
# 4 222 2  8
# 5 222 1  9
# 6 222 2 10    
 

«A» и «B» являются группирующими переменными, а «C» — это переменная, которую я хочу свернуть в character строку, разделенную запятыми. Я пробовал:

 library(plyr)
ddply(data, .(A,B), summarise, test = list(C))

    A B  test
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10
 

но когда я попытался преобразовать тестовый столбец character , он стал таким:

 ddply(data, .(A,B), summarise, test = as.character(list(C)))
#     A B     test
# 1 111 1  c(5, 7)
# 2 111 2        6
# 3 222 1        9
# 4 222 2 c(8, 10)
 

Как я могу сохранить character формат и разделить их запятой? Например, строка 1 должна быть только "5,7" , а не как c(5,7) .

Вот несколько вариантов использования toString , функция, которая объединяет вектор строк, используя запятую и пробел для разделения компонентов. Если вам не нужны запятые, вы можете использовать paste() collapse вместо этого аргумент with .

data.table

 # alternative using data.table
library(data.table)
as.data.table(data)[, toString(C), by = list(A, B)]
 

для агрегирования не используются пакеты:

 # alternative using aggregate from the stats package in the core of R
aggregate(C ~., data, toString)
 

sqldf

И вот альтернатива с использованием функции SQL group_concat с использованием пакета sqldf :

 library(sqldf)
sqldf("select A, B, group_concat(C) C from data group by A, B", method = "raw")
 

dplyr dplyr Альтернатива:

 library(dplyr)
data %>%
  group_by(A, B) %>%
  summarise(test = toString(C)) %>%
  ungroup()
 

plyr

 # plyr
library(plyr)
ddply(data, .(A,B), summarize, C = toString(C))
 

Вот stringr / tidyverse решение:

 library(tidyverse)
library(stringr)

data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))


data %>%
 group_by(A, B) %>%
 summarize(text = str_c(C, collapse = ", "))

# A tibble: 4 x 3
# Groups:   A [2]
      A     B text 
  <dbl> <int> <chr>
1   111     1 5, 7 
2   111     2 6    
3   222     1 9    
4   222     2 8, 10
 

Измените, где вы помещаете as.character :

 > out <- ddply(data, .(A, B), summarise, test = list(as.character(C)))
> str(out)
'data.frame':   4 obs. of  3 variables:
 $ A   : num  111 111 222 222
 $ B   : int  1 2 1 2
 $ test:List of 4
  ..$ : chr  "5" "7"
  ..$ : chr "6"
  ..$ : chr "9"
  ..$ : chr  "8" "10"
> out
    A B  test
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10
 

Обратите внимание, что в этом случае каждый элемент по-прежнему фактически является отдельным символом, а не строкой из одного символа. То есть это не фактическая строка, которая выглядит как «5, 7», а скорее два символа, «5» и «7», которые R отображает с запятой между ними.

Сравните со следующим:

 > out2 <- ddply(data, .(A, B), summarise, test = paste(C, collapse = ", "))
> str(out2)
'data.frame':   4 obs. of  3 variables:
 $ A   : num  111 111 222 222
 $ B   : int  1 2 1 2
 $ test: chr  "5, 7" "6" "9" "8, 10"
> out
    A B  test
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10
 

Сопоставимое решение в базе R, конечно, aggregate :

 > A1 <- aggregate(C ~ A   B, data, function(x) c(as.character(x)))
> str(A1)
'data.frame':   4 obs. of  3 variables:
 $ A: num  111 222 111 222
 $ B: int  1 1 2 2
 $ C:List of 4
  ..$ 0: chr  "5" "7"
  ..$ 1: chr "9"
  ..$ 2: chr "6"
  ..$ 3: chr  "8" "10"
> A2 <- aggregate(C ~ A   B, data, paste, collapse = ", ")
> str(A2)
'data.frame':   4 obs. of  3 variables:
 $ A: num  111 222 111 222
 $ B: int  1 1 2 2
 $ C: chr  "5, 7" "9" "6" "8, 10"
 

Здесь есть небольшое улучшение, позволяющее избежать дублирования

 # 1. Original data set
data <- data.frame(
  A = c(rep(111, 3), rep(222, 3)), 
  B = rep(1:2, 3), 
  C = c(5:10))

# 2. Add duplicate row
data <- rbind(data, data.table(
  A = 111, B = 1, C = 5
))

# 3. Solution with duplicates
data %>%
  group_by(A, B) %>%
  summarise(test = toString(C)) %>%
  ungroup()

#      A     B test   
#   <dbl> <dbl> <chr>  
# 1   111     1 5, 7, 5
# 2   111     2 6      
# 3   222     1 9      
# 4   222     2 8, 10

# 4. Solution without duplicates
data %>%
  select(A, B, C) %>% unique() %>% 
  group_by(A, B) %>%
  summarise(test = toString(C)) %>%
  ungroup()

#    A     B test 
#   <dbl> <dbl> <chr>
# 1   111     1 5, 7 
# 2   111     2 6    
# 3   222     1 9    
# 4   222     2 8, 10
 

Надеюсь, это может быть полезно.

Использование collap из collapse

 library(collapse)
collap(data, ~ A   B, toString)
    A B     C
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10
 

данные

 data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))