通过唯一标识符进行聚合并将相关值连接到字符串中

Question

我有一个需要，我认为可以通过aggregate或reshape来满足，但我无法弄明白。

我有一个名单列表（brand）和附带的ID号（id）。这些数据是长形式的，因此名称可以有多个ID。我想通过名称（brand）去重复，并将多个可能的id连接到由注释分隔的字符串中。

例如：

brand            id 
RadioShack       2308
Rag & Bone       4466
Ragu             1830
Ragu             4518
Ralph Lauren     1638
Ralph Lauren     2719
Ralph Lauren     2720
Ralph Lauren     2721
Ralph Lauren     2722 

应该成为：

RadioShack       2308
Rag & Bone       4466
Ragu             1830,4518
Ralph Lauren     1638,2719,2720,2721,2722

我将如何做到这一点？

Answer 1

让我们调用您的data.frame DF

> aggregate(id ~ brand, data = DF, c)
         brand                           id
1   RadioShack                         2308
2   Rag & Bone                         4466
3         Ragu                   1830, 4518
4 Ralph Lauren 1638, 2719, 2720, 2721, 2722

使用aggregate的另一种选择是：

result <- aggregate(id ~ brand, data = DF, paste, collapse = ",")

这会产生相同的结果，现在id不再是list。感谢@Frank评论。要查看每列的class，请尝试：

> sapply(result, class)
      brand          id 
   "factor" "character"

正如@DavidArenburg在评论中所提到的，另一种选择是使用toString函数：

aggregate(id ~ brand, data = DF, toString)

Answer 2

data.table

中干净的一行

library(data.table)
setDT(DF)

两个选项：

以列表结果

DF[ , .(id = list(id)), by = brand]
          brand                       id
1:   RadioShack                     2308
2:   Rag & Bone                     4466
3:         Ragu                1830,4518
4: Ralph Lauren 1638,2719,2720,2721,2722
> 

以字符串结果

DF[ , .(id = paste(id, collapse=",")), by = brand]
          brand                       id
1:   RadioShack                     2308
2:   Rag & Bone                     4466
3:         Ragu                1830,4518
4: Ralph Lauren 1638,2719,2720,2721,2722

---

注意

即使两个结果出现相同（即打印它们时，它们看起来相同），它们实际上是非常不同的，并允许不同的功能。

即，使用list选项（第一个）允许您在orignal id上执行函数。

后者可让您更轻松地显示信息（包括导出到CSV或excel），但要对id进行操作，则需要将其拼接回来。< / p>

Answer 3

或使用dplyr：

"B"

library(dplyr) DF %>% group_by(brand) %>% summarise(id = paste(id, collapse = ",")) 是data.frame的名称。

Answer 4

以下是基础R中的信息：

myby <- by(df$id,df$brand,function(x)paste(x,collapse=","))

“by”对象的格式很奇怪。您可以data.frame(id=c(myby))，品牌将成为rownames：

#                                    id
# RadioShack                       2308
# Rag & Bone                       4466
# Ragu                        1830,4518
# Ralph Lauren 1638,2719,2720,2721,2722

或者，如果您加载data.table包，则可以使用：

dt <- data.table(df)
dt[,paste(id,collapse=","),by=brand]
#           brand                       V1
# 1:   RadioShack                     2308
# 2:   Rag & Bone                     4466
# 3:         Ragu                1830,4518
# 4: Ralph Lauren 1638,2719,2720,2721,2722