我想根据两个分组变量聚合数据框中的一列,并用逗号分隔各个值。
以下是一些数据:
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”是我想要折叠成逗号分隔的character
字符串的变量。我试过了:
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,它变成了这样:
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)
如何保留character
格式并用逗号分隔?例如,第1行应该只是"5,7"
,而不是c(5,7)。
答案 0 :(得分:54)
以下是使用toString
的一些选项,这是一个很好的实用程序函数,用逗号连接字符串。如果您不想使用逗号,则可以将paste()
替换为collapse
参数。
data.table
# alternative using data.table
library(data.table)
as.data.table(data)[, toString(C), by = list(A, B)]
聚合这不使用任何包:
# alternative using aggregate from the stats package in the core of R
aggregate(C ~., data, toString)
<强> sqldf 强>
以下是使用sqldf package:
的SQL函数group_concat
的替代方法
library(sqldf)
sqldf("select A, B, group_concat(C) C from data group by A, B", method = "raw")
dplyr dplyr
替代方案:
library(dplyr)
data %>%
group_by(A, B) %>%
summarise(test = toString(C)) %>%
ungroup()
<强> plyr 强>
# plyr
library(plyr)
ddply(data, .(A,B), summarize, C = toString(C))
答案 1 :(得分:12)
更改as.character
的位置:
> 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
但请注意,每个项目实际上仍然是一个单独的字符,而不是单个字符串。也就是说,这不是一个看起来像“5,7”的实际字符串,而是两个字符“5”和“7”,R在它们之间用逗号显示。
与以下内容比较:
> 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
基础R中的可比解决方案当然是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"
答案 2 :(得分:3)
这是stringr
/ tidyverse
解决方案:
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 test
<dbl> <int> <chr>
1 111 1 5, 7
2 111 2 6
3 222 1 9
4 222 2 8, 10
答案 3 :(得分:2)
这里有一个小的改进,以避免重复
packageManager
希望它会有用。