关于r：折叠/连接/聚集一列为每个组中单个逗号分隔的字符串

Collapse / concatenate / aggregate a column to a single comma separated string within each group

我想根据两个分组变量在数据框中汇总一列，并用逗号分隔各个值。

以下是一些数据：

1
2
3
4
5
6
7
8
9

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"和" B"是分组变量，" C"是我要折叠成逗号分隔的character字符串的变量。我试过了：

1
2
3
4
5
6
7
8

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

但是当我尝试将测试列转换为character时，它变成这样：

1
2
3
4
5
6

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)

如何保持character格式并用逗号分隔？例如，第1行应仅为"5,7"，而不应为c(5,7)。

以下是使用toString的一些选项，该功能使用逗号和空格将字符串向量连接起来以分隔各个组成部分。如果不想使用逗号，则可以将paste()与collapse参数一起使用。

data.table

1
2
3

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

aggregate这不使用任何软件包：

1 2	# alternative using aggregate from the stats package in the core of R aggregate(C ~., data, toString)

sqldf

这是使用sqldf包的SQL函数group_concat的替代方法：

1 2	library(sqldf) sqldf("select A, B, group_concat(C) C from data group by A, B", method ="raw")

dplyr A dplyr替代：

1
2
3
4
5

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

plyr

1
2
3

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

相关讨论

更改放置as.character：

的位置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

> 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

在这种情况下，请注意，每个项目实际上仍然是单独的字符，而不是单个字符串。也就是说，这不是看起来像" 5，7 "的实际字符串，而是两个字符" 5 "和" 7 "，R用两个字符之间的逗号显示。

与以下各项进行比较：

1
2
3
4
5
6
7
8
9
10
11
12

> 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

基数R中的可比解当然是aggregate：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

> 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"

这里有一个小的改进，可以避免重复

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

# 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

希望它会有用。