如何合并除一个列以外的所有列中具有相同信息的行？

Question

我有一个像这样的大数据框：

A  1  2  3  4  ...
B  1  2  3  4  ...
C  1  2  3  4  ...
D  5  2  1  4  ...
E  3  2  3  9  ...
F  0  0  2  2  ...
G  0  0  2  2  ...

如果您忽略第一列的第二列，您可以看到某些行是重复的条目。我想组合/合并这些行来生成这样的东西：

A;B;C  1  2  3  4  ...
D      5  2  1  4  ...
E      3  2  3  9  ...
F;G    0  0  2  2  ...

我可以编写一个for循环，迭代遍历行，但这既不漂亮也不高效。我很确定有更好的方法来做到这一点。

我以为我可以：

1. 对df进行切片，因此除了第一个slice <- df[, 2:ncols(df)]
之外，我有所有列
2. 通过dups <- df[duplicated(slice)]
获取包含所有“重复”行的数据框
3. 通过uniq <- df[unique(slice)]
获取另一个包含“唯一”行的数据框
4. 使用除第一列merge(uniq, dups, by... )
之外的所有列合并它们

除非它不起作用，因为unique不会返回索引而是返回整个数据帧，这意味着我无法使用df中的相应行索引slice。

有什么建议吗？

编辑：我应该澄清A，B，C ......不是rownames，但实际上是数据框的一部分，以字符串/字符表示形式给出的条目

Answer 1

有几个功能可以做到这一点。所有这些都是常见的聚合函数：aggregate，tapply，by，...，当然还有流行的＆＃34;数据。表＆＃34;和＆＃34; dplyr＆＃34;功能集。

此处aggregate：

aggregate(V1 ~ ., mydf, toString)
#   V2 V3 V4 V5  V6      V1
# 1  0  0  2  2 ...    F, G
# 2  5  2  1  4 ...       D
# 3  1  2  3  4 ... A, B, C
# 4  3  2  3  9 ...       E

---

其他选项（如开头段落所示）：

library(data.table)
as.data.table(mydf)[, toString(V1), by = eval(setdiff(names(mydf), "V1"))]

library(dplyr)
mydf %>%
  group_by(V2, V3, V4, V5, V6) %>%
  summarise(V1 = toString(V1))

您可以使用经典的toString方法代替paste(., collapse = ";")，这样可以为最终输出提供更大的灵活性。