Question

我有一个类似的数据框：

   c1 c2 c3 c4
 r1 1  0  1  1
 r2 0  0  1  1
 r3 0  1  0  0

在这种情况下，c3和c4完全相同。我想删除重复的列，但保留c3和c4的列名，以获取数据框：

其中第三列名称连接相同列的列名。

我觉得应该有一种优雅的方式来做到这一点我无法想到。任何帮助将不胜感激！

编辑：只是为了澄清，我的实际数据框实际上是1000行x 1000列，我不知道哪些列是相同的。所以我需要一种自动测试方法，如果列是相同的，那么组合列名的情况就是这样。

Answer 1

额外的信息增加了一个有趣的皱纹！如果您不关心连接列的名称，可以执行以下操作：

df <- data.frame(c1 = c(1,0,0), c2 = c(0,0,1), c3 = c(1,1,0), c4 = c(1,1,0), c5 = c(1,1,1), c6= c(1,1,1), c7 = c(2,2,2))

library(digest)
df_clean <- df[!duplicated(lapply(df, digest))]

此时df_clean将包含没有任何重复的数据框。

如果列名真的很重要，那么在查看thepule的答案后，我就会这样做：

df_dups <- df[duplicated(lapply(df, digest))] #extract the duplicates

for (clean_col in 1:ncol(df_clean)){
  for (dup_col in 1:ncol(df_dups)){
    if (identical(df_clean[,clean_col], df_dups[,dup_col]) == TRUE){
      colnames(df_clean)[clean_col] <- paste(colnames(df_clean)[clean_col], colnames(df_dups)[dup_col], sep = "")
    }
  }
}

添加了用于测试的附加重复项的输出如下所示：

'data.frame':   3 obs. of  5 variables:
 $ c1  : num  1 0 0
 $ c2  : num  0 0 1
 $ c3c4: num  1 1 0
 $ c5c6: num  1 1 1
 $ c7  : num  2 2 2

Answer 2

它可能不是一个超级优雅的解决方案，但它完成了工作。如果df是您的数据框：

dups <- duplicated(lapply(df, function(x) x))
df_clean <- df[!dups]
df_dups <- df[dups]


for(z in 1: ncol(df_clean)){
  i <- names(df_clean)[z]
  df_clean[i] -> q
  d <- which(
      sapply(df_dups, function(x) {
      ifelse(identical(x,as.vector(sapply(q, function(x) x))), T, F) 
          })
      ) 
  names(df_clean)[z] <- paste0(i, paste(names(df_dups)[d], collapse = ""))
}

输出结果为：

df_clean
   c1 c2 c3c4
r1  1  0    1
r2  0  0    1
r3  0  1    0

如果列可以有多个重复项，这也应该有用。

合并R中的复制列

2 个答案:

此时df_clean将包含没有任何重复的数据框。