合并具有类似信息的行

时间:2019-05-16 14:01:58

标签: r merge na

我有几行数据框,我需要合并具有相同ID的行。

a=read.csv("a.csv")
view(a)

ID  Value1  Value2  Value3  Value4  Value5  Value6
1076    2940    NA  NA  2   NA  NA
1076    2940    1   A-  NA  302 549
1109    2940    NA  NA  3   NA  NA
1109    2940    NA  A-  NA  700 150

我需要

这样的结果
ID  Value1  Value2  Value3  Value4  Value5  Value6
1076    2940    1   A-  2   302 549
1109    2940    NA  A-  3   700 150                     

我已经审查了类似问题的答案(Merging rows with shared information)。但是我得到的结果是错误的。

library(dplyr)
f <- function(x) {
  x <- na.omit(x)
  if (length(x) > 0) paste(x,collapse='-') else NA
}
a_merge <- a %>% group_by(ID)%>%summarise_all(list(f))

但是我遇到了以下错误

Error: Column `Value2` can't promote group 1 to character

请帮助。

3 个答案:

答案 0 :(得分:3)

一种选择是使用if/else创建一个条件,以在列中的所有值均为NAelse时获得unique非NA元素时返回NA在list

library(dplyr)
a %>% 
   group_by(ID) %>%
   summarise_all(list(~ list(if(all(is.na(.))) NA else unique(.[!is.na(.)]))))
# A tibble: 2 x 7
#     ID Value1    Value2    Value3    Value4    Value5    Value6   
#  <int> <list>    <list>    <list>    <list>    <list>    <list>   
#1  1076 <int [1]> <int [1]> <chr [1]> <int [1]> <int [1]> <int [1]>
#2  1109 <int [1]> <lgl [1]> <chr [1]> <int [1]> <int [1]> <int [1]>

编辑:

1)包裹在list

2)@Gregor的评论-仅获取unique个非NA元素

数据

a <- structure(list(ID = c(1076L, 1076L, 1109L, 1109L), Value1 = c(2940L, 
2940L, 2940L, 2940L), Value2 = c(NA, 1L, NA, NA), Value3 = c(NA, 
"A-", NA, "A-"), Value4 = c(2L, NA, 3L, NA), Value5 = c(NA, 302L, 
NA, 700L), Value6 = c(NA, 549L, NA, 150L)), class = "data.frame", row.names = c(NA, 
-4L))

答案 1 :(得分:2)

这是基本的R方法,

setNames(do.call(rbind.data.frame, lapply(split(df, df$ID), function(i) 
                                       sapply(i, function(j) j[!is.na(j)][1]))), names(df))

#    ID Value1 Value2 Value3 Value4 Value5 Value6
#1 1076   2940      1     A-      2    302    549
#2 1109   2940   <NA>     A-      3    700    150

答案 2 :(得分:1)

如果您使用data.table,则可以避免将所有列都转换为列表,而仅将需要的列转换为列表。

library(data.table)
setDT(df)

df[, lapply(.SD, function(x)
          if(length(vals <- unique(x[!is.na(x)])) > 1)
            list(vals)
          else vals), 
  by = ID]

#      ID Value1 Value2 Value3 Value4 Value5 Value6
# 1: 1076   2940    2,1     A-      2    302    549
# 2: 1109   2940            A-      3    700    150

如果您使用的是toString,则可以删除if并简化操作。这也应适用于dplyr。

df[, lapply(.SD, function(x) toString(unique(x[!is.na(x)]))),
  by = ID]
# 1: 1076   2940   2, 1     A-      2    302    549
# 2: 1109   2940            A-      3    700    150

修改后的示例数据(添加了一个具有> 1个不同值的案例)

df <- fread('
ID  Value1  Value2  Value3  Value4  Value5  Value6
1076    2940    2  NA  2   NA  NA
1076    2940    1   A-  NA  302 549
1109    2940    NA  NA  3   NA  NA
1109    2940    NA  A-  NA  700 150
')