Question

我有一个data.table'DT'，其中的列（'col2'）是数据帧的列表：

require(data.table)
DT <- data.table(col1 = c('A','A','B'),
                 col2 = list(data.frame(colA = c(1,3,54, 23), 
                                        colB = c("aa", "bb", "cc", "hh")),
                             data.frame(colA =c(23, 1),
                                       colB = c("hh", "aa")), 
                             data.frame(colA = 1,
                                       colB = "aa")))

> DT
   col1         col2
1:    A <data.frame>
2:    A <data.frame>
3:    B <data.frame>

>> DT$col2
[[1]]
  colA colB
1    1   aa
2    3   bb
3   54   cc
4   23   hh

[[2]]
  colA colB
1   23   hh
2    1   aa

[[3]]
  colA colB
1    1   aa

col2中的每个data.frame具有两列colA和colB。我想有一个data.table输出，它基于DT的col1绑定那些data.frames的每个 unique 行。我想这就像在data.table的聚合函数中使用rbindlist。

这是所需的输出：

> #desired output
> output
   colA colB col1
1:    1   aa    A
2:    3   bb    A
3:   54   cc    A
4:   23   hh    A
5:    1   aa    B

DT的第二行（DT[2, col2]）的数据帧具有重复的条目，并且每个唯一的col1只需要唯一的条目。

我尝试了以下操作，但出现错误。

desired_output <- DT[, lapply(col2, function(x) unique(rbindlist(x))), by = col1]
# Error in rbindlist(x) : 
#   Item 1 of list input is not a data.frame, data.table or list

此“有效”，尽管不是所需的输出：

unique(rbindlist(DT$col2))
   colA colB
1:    1   aa
2:    3   bb
3:   54   cc
4:   23   hh

反正在数据表的聚合函数中使用rbindlist吗？

Answer 1

组by'col1'，在'col2'上运行rbindlist：

unique(DT[ , rbindlist(col2), by = col1]) # trimmed thanks to @snoram
#    col1 colA colB
# 1:    A    1   aa
# 2:    A    3   bb
# 3:    A   54   cc
# 4:    A   23   hh
# 5:    B    1   aa

Answer 2

每个唯一的col1仅需要唯一的条目

如果为col1添加一列，则上面的表达式表示“唯一条目”（列无条件）。

亨里克的答案是保留col1的一种方法。另一个是：

unique(DT[, rbindlist(setNames(col2, col1), id="col1")])

我想这应该比

更有效

bycols = "col1"
unique(DT[, rbindlist(col2), by=bycols])   # Henrik's

尽管扩展到（1）col1不是字符列（因此适合setNames）或（2）具有多个by=列的扩展并不是很明显。对于这两种情况，我都会将.id的列设为等于DT的行号，然后将其复制到以下位置：

bycols = "col1"
res = unique(DT[, rbindlist(col2, id="DT_row")])
res[, (bycols) := DT[DT_row, ..bycols]]

要将这些列放在最前面/最左边，我认为setcolorder(res, bycols)应该可以使用，但是data.table版本太旧了，无法看到它。

还有an open issue用于类似tidyr::unnest的功能。

Answer 3

您可以这样做：

nDT <- cbind(rbindlist(DT[[2]]), col1 = rep(DT[[1]], sapply(DT[[2]], nrow)))
nDT[!duplicated(nDT)]
   colA colB col1
1:    1   aa    A
2:    3   bb    A
3:   54   cc    A
4:   23   hh    A
5:    1   aa    B

或使用tidyr（受PKumar的评论启发）

unique(tidyr::unnest(DT))

或更通用的基数R：

names(DT[[2]]) <- DT[[1]]
ndf <- do.call(rbind, DT[[2]])
ndf$col1 <- substr(row.names(ndf), 1, 1)
unique(ndf)

Answer 4

这有效：

DT1<-apply(DT, 1, function(x){cbind(col1=x$col1,x$col2)})
unique(rbindlist(DT1))
#   col1 colA colB
#1:    A    1   aa
#2:    A    3   bb
#3:    A   54   cc
#4:    A   23   hh
#5:    B    1   aa

rbindlist data.frames的列表列，然后选择唯一值

4 个答案: