Question

我有一个数据框，我想连接某些列。

我的问题是这些列中的文字可能包含也可能不包含重复信息。我想删除重复项，以便仅保留相关信息。

例如，如果我有一个数据框，例如：

  Animal1         Animal2        Label  
1 cat dog         dolphin        19
2 dog cat         cat            72
3 pilchard 26     koala          26
4 newt bat 81     bat            81

您可以看到在第2行中，'cat'包含在'Animal1'和'Animal2'列中。在第3行中，数字26位于“Animal1”和“Label”列中。而在第4行中，“Animal2”和“标签”列中的信息已按顺序包含在“Animal1”中。

因此，通过使用粘贴功能，我可以连接列......

data1 <- paste(data$Animal1, data$Animal2, data$Label, sep = " ")

但是，我还没有设法删除重复项。我得到的输出当然只是来自我的连接：

  Output1
1 cat dog dolphin 19
2 dog cat cat 72
3 pilchard 26 koala 26
4 newt bat 81 bat 81

第1行很好，但其他行包含重复项，如上所述。

我想要的输出是：

  Output1
1 cat dog dolphin 19
2 dog cat 72
3 pilchard koala 26
4 newt bat 81

连接后我尝试删除重复项。我知道在字符串中你可以做类似下面的例子（例如Removing duplicate words in a string in R）。

d <- unlist(strsplit(data1, split=" "))
paste(d[-which(duplicated(d))], collapse = ' ')

当我刚刚使用字符串时，这确实对我有用，但我无法将它应用于整个列，因为我收到了一个错误的“意外符号”，指的是方括号。

我已经看到还有unique（）函数，例如Remove Duplicated String in a Row，Deleting reversed duplicates with R

reduce_row = function(i) {
  split = strsplit(i, split=", ")[[1]]
  paste(unique(split), collapse = ", ") 
}
data1$v2 = apply(data1, 1, reduce_row)

我尝试使用这些示例，但尚未成功。

非常感谢任何帮助。

Answer 1

完成data1 <- paste(data$Animal1, data$Animal2, data$Label, sep = " ")之后：

data.frame(Output1 = vapply(strsplit(data1, " +"), function(x) paste(unique(x), collapse = " "), character(1)))
#              Output1
# 1 cat dog dolphin 19
# 2         dog cat 72
# 3  pilchard 26 koala
# 4        newt bat 81

连接没有重复的数据帧r

1 个答案: