Question

我在R中有以下数据框

my_df <- data.frame(V1 = c(1,2,3,1), V2 = c("A","B","C","A"), V3 = c("S1", "S1", "S1", "S2"), V4 = c("x","x","x","x"), V5 = c("y","y","y","y"), V6 =c("A", "B", "C", "D"))

> my_df
  V1 V2 V3 V4 V5 V6
1  1  A S1  x  y  A
2  2  B S1  x  y  B
3  3  C S1  x  y  C
4  1  A S2  x  y  D

现在，我要检查V1和V2中的值组合是否在df中多次出现。在我的示例中，my_df行1和4具有相同的值“ 1 A”和“ 1 A”。如果发生这种情况，我需要以下输出：

> my_df_new
  V1 V2    V3 V4 V5  V6_S1   V6_S2
1  1  A S1;S2  x  y      A       D
2  2  B    S1  x  y      B     
3  3  C    S1  x  y      C

所以基本上有两件事发生了变化：

V3现在包含df中所有行的值，其中V1和V2中的值相同。它们用';'分隔。
有新的V6列，其中包含该列的原始值。

其余的列和值应保持不变。

我该如何实现？

Answer 1

这是使用dplyr，group_by V1和V2，折叠V3，创建新列（V7）的一种方法spread个重复值。

library(dplyr)

my_df %>%
  group_by(V1, V2) %>%
  mutate(V3 = toString(V3), 
         V7 = paste0("V6_S", row_number())) %>%
  tidyr::spread(V7, V6)

#     V1 V2    V3     V4    V5  V6_S1 V6_S2
#  <dbl> <fct> <chr> <fct> <fct> <fct> <fct>
#1     1 A     S1, S2 x     y     A     D    
#2     2 B     S1     x     y     B     NA   
#3     3 C     S1     x     y     C     NA

Answer 2

应该有一种更简洁的方式来执行此操作，这不会强迫员工，但这是我想出的，

library(data.table)
library(splitstackshape)

cSplit(setDT(my_df)[, .(V3 = toString(V3), 
                        V4 = V4[1], 
                        V5 = V5[1], 
                        V6 = toString(V6)), .(V1, V2)], 'V6')

#   V1 V2     V3 V4 V5 V6_1 V6_2
#1:  1  A S1, S2  x  y    A    D
#2:  2  B     S1  x  y    B <NA>
#3:  3  C     S1  x  y    C <NA>

数据框合并行

2 个答案: