我在R中有一个数据帧，每行有一个个体。有时，个人出现在两行，我想根据重复的ID组合这些行。
问题是，每个人都有多个ID，当ID出现两次时，不一定会出现在同一列中。
以下是一个示例数据框：
dat <- data.frame(a = c('cat', 'canine', 'feline', 'dog'),
b = c('feline', 'puppy', 'meower', 'wolf'),
c = c('kitten', 'barker', 'kitty', 'canine'),
d = c('shorthair', 'collie', '', ''),
e = c(1, 5, 3, 8))
> dat
a b c d e
1 cat feline kitten shorthair 1
2 canine puppy barker collie 5
3 feline meower kitty 3
4 dog wolf canine 8
因此应合并第1行和第3行，因为第1行的ID b等于第3行的ID a。同样，第2行的ID a等于ID {{1}第4行，所以这些行也应该合并。
理想情况下，输出应该如下所示。
c（请注意，这些行未根据空字符串的共享ID进行组合。）
我对如何做到这一点的想法如下，但我很确定我已经走错了路，所以他们可能没有帮助解决问题。
我以为我可以为每一行分配行ID，然后融化数据。在那之后，我可以逐行。当我找到其中一个ID与前一行匹配的行时（例如，当第3行ID中的一个与第1行ID之一匹配时），我将更改当前行的行ID的每个实例以匹配先前的行ID （例如，所有行ID都将更改为1）。
以下是我一直在使用的代码：
a.1 b.1 c.1 d.1 e.1 a.2 b.3 c.2 d.2 e.2
1 cat feline kitten shorthair 1 feline meower kitty 3
2 canine puppy barker collie 5 dog wolf canine 8
这种方法存在两个问题。
dat$row.id <- 1:nrow(dat)
library(reshape2)
dat.melt <- melt(dat, id.vars = c('e', 'row.id'))
for (i in 2:nrow(dat.melt)) {
# This next step is just to ignore the empty values
if (grepl('^[[:space:]]*$', dat.melt$value[i])) {
next
}
earlier.instance <- dat.melt$row.id[which(dat.melt$value[1:(i-1)] == dat.melt$value[i])]
if (length(earlier.instance) > 0) {
earlier.row.id <- earlier.instance[1]
dat.melt$row.id[dat.melt$row.id == dat.melt$row.id[i]] <- earlier.row.id
}
}
和row.id，因此我不知道如何投射它以获得上面显示的输出类型。在这里使用variable将被强制使用聚合函数。输出：
dcast答案 0 :(得分：2)
新答案。有一些乐趣（/挫折）通过这个工作。我敢肯定这不是最快的解决方案，但它应该让你过去我的其他答案。让我解释一下：
dat <- data.table(a = c('cat', 'canine', 'feline', 'dog', 'cat','fido'),
b = c('feline', 'puppy', 'meower', 'wolf', 'kitten', 'dog'),
c = c('kit', 'barker', 'kitty', 'canine', 'feline','wolf'),
d = c('shorthair', 'collie', '', '','',''),
e = c(1, 2, 3, 4, 5, 6))
dat[, All := paste(a, b,c),]
两个更改：dat$e现在是一个索引列，因此它只是它所在行的数字位置。如果e非常重要，您可以创建一个新列来替换它。
下面是第一个循环。这会产生3个新列FirstMatchingID等。这些与以前类似：它们为dat$All a和{{1}提供与b匹配的最早（最低行＃）的索引}}
c接下来，我们使用for(i in 2:nrow(dat)) {
x <- grepl(dat[i]$a, dat[i-(1:i)]$All)
y <- max(which(x %in% TRUE))
dat[i, FirstMatchingID := dat[i-y]$e]
x2 <- grepl(dat[i]$b, dat[i-(1:i)]$All)
y2 <- max(which(x2 %in% TRUE))
dat[i, SecondMatchingID := dat[i-y2]$e]
x3 <- grepl(dat[i]$c, dat[i-(1:i)]$All)
y3 <- max(which(x3 %in% TRUE))
dat[i, ThirdMatchingID := dat[i-y3]$e]
}
查找pmin列的最早匹配行，并将其设置在自己的列中。如果您在第25行中匹配MatchingID并且在第12行中匹配a，则会出现这种情况;它会给你12（我认为这是你想要的根据你的问题）。
b最后，此循环将执行3项操作，创建一个dat$MinID <- pmin(dat$FirstMatchingID, dat$SecondMatchingID, dat$ThirdMatchingID, na.rm=T)
列，其中包含来自FinalID的所有匹配ID号：
e为MinID（无匹配）将NA设为FinalID e是一个数字，请找到该行（最早的匹配项）并检查其 MinID是否为数字;如果不是，则没有先前的匹配，并将MinID设置为FinalID MinID最早的匹配本身具有较早的匹配。这将找到该匹配并将其设置为i。 FinalID
我认为应该这样做;让我知道事情的后续。我没有声称它的效率或速度。
答案 1 :(得分：1)
这是一次业余尝试。我认为它可以满足您的需求。我已经将data.frame（现在是一个data.table）扩展了两行，以提供更好的示例。
此循环会创建一个新列dat$FirstMatchingID，其中包含dat$e中最早匹配的ID。我只是将其与第一列dat$a匹配，但我认为它可以很容易地扩展到b和c。
library(data.table)
dat <- data.table(a = c('cat', 'canine', 'feline', 'dog', 'feline','puppy'),
b = c('feline', 'puppy', 'meower', 'wolf', 'kitten', 'dog'),
c = c('kitten', 'barker', 'kitty', 'canine', 'cat','wolf'),
d = c('shorthair', 'collie', '', '','',''),
e = c(1, 5, 3, 8, 4, 6))
dat[, All := paste(a, b,c),]
for(i in 2:nrow(dat)) {
print(dat[i])
x <- grepl(dat[i]$a, dat[i-(1:i)]$All)
y <- max(which(x %in% TRUE))
dat[i, FirstMatchingID := dat[i-y]$e]
}
结果：
a b c d e All FirstMatchingID
1: cat feline kitten shorthair 1 cat feline kitten NA
2: canine puppy barker collie 5 canine puppy barker NA
3: feline meower kitty 3 feline meower kitty 1
4: dog wolf canine 8 dog wolf canine NA
5: feline kitten cat 4 feline kitten cat 1
6: puppy dog wolf 6 puppy dog wolf 5
然后你必须找出你想要如何组合行来获得你想要的结果，但希望这会有所帮助！