R中具有不同序列的重复行
我设法以这种形式（R）获取原始数据，即每个产品组合（3个组合）各自的计数，但正如您所看到的，有重复发生，有相同产品的行，但这些产品的顺序不同，我需要一种方法来组合这些行，而不考虑顺序，并添加总和（num）其中的一个可以得到总和。 这只是整个数据集的一部分。帮我想出一个办法R中具有不同序列的重复行,r,R,我设法以这种形式（R）获取原始数据，即每个产品组合（3个组合）各自的计数，但正如您所看到的，有重复发生，有相同产品的行，但这些产品的顺序不同，我需要一种方法来组合这些行，而不考虑顺序，并添加总和（num）其中的一个可以得到总和。 这只是整个数据集的一部分。帮我想出一个办法 pages sum(num) Badezimmer,Baumarkt,Büromöbel 6 Badezimmer,Baumarkt,Dekoration
pages sum(num)
Badezimmer,Baumarkt,Büromöbel 6
Badezimmer,Baumarkt,Dekoration 14
Badezimmer,Baumarkt,Flur 30
Badezimmer,Baumarkt,Garten 18
Badezimmer,Baumarkt,Heimtextilien 100
Badezimmer,Baumarkt,Kinder 28
Badezimmer,Büromöbel,Baumarkt 16
Badezimmer,Flur,Baumarkt 40
这里有一种可能性：
df1$pages <- as.character(df1$pages) # prevent use of factors
df1$pages <- sapply(sapply(df1$pages,function(x) strsplit(x,",")),function(x) paste(sort(unlist(x)),collapse=',')) #split at commas, order words alphabetically, and restore the description
df1 <- aggregate(sum.num. ~ ., df1, sum) #sum over identical 'pages'
# pages sum.num.
#1 Badezimmer,Baumarkt,Büromöbel 22
#2 Badezimmer,Baumarkt,Dekoration 14
#3 Badezimmer,Baumarkt,Flur 70
#4 Badezimmer,Baumarkt,Garten 18
#5 Badezimmer,Baumarkt,Heimtextilien 100
#6 Badezimmer,Baumarkt,Kinder 28
df1$pages这里有一种可能性：
df1$pages <- as.character(df1$pages) # prevent use of factors
df1$pages <- sapply(sapply(df1$pages,function(x) strsplit(x,",")),function(x) paste(sort(unlist(x)),collapse=',')) #split at commas, order words alphabetically, and restore the description
df1 <- aggregate(sum.num. ~ ., df1, sum) #sum over identical 'pages'
# pages sum.num.
#1 Badezimmer,Baumarkt,Büromöbel 22
#2 Badezimmer,Baumarkt,Dekoration 14
#3 Badezimmer,Baumarkt,Flur 70
#4 Badezimmer,Baumarkt,Garten 18
#5 Badezimmer,Baumarkt,Heimtextilien 100
#6 Badezimmer,Baumarkt,Kinder 28
df1$pages这里有一个选项，使用cSplit
来自库（splitstackshape）
。我们将“data.frame”转换为“data.table”，使用选项keep.rownames=TRUE
，将“pages”列拆分为“，”，并使用cSplit
转换为“long”格式。按“rn”分组，我们对“pages”进行排序并将其粘贴在一起，我们还得到了“sum.num”的第一个值。然后，我们得到按“pages”分组的“sum.num.”的sum
library(splitstackshape)
library(data.table)
cSplit(setDT(df1, keep.rownames=TRUE), 'pages', ',', 'long')[,
list(pages=toString(sort(pages)), sum.num.= sum.num.[1]) ,rn
][,list(Sum=sum(sum.num.)) , .(pages)]
# pages Sum
#1: Badezimmer, Baumarkt, Büromöbel 22
#2: Badezimmer, Baumarkt, Dekoration 14
#3: Badezimmer, Baumarkt, Flur 70
#4: Badezimmer, Baumarkt, Garten 18
#5: Badezimmer, Baumarkt, Heimtextilien 100
#6: Badezimmer, Baumarkt, Kinder 28
注意：@RHertel的帖子中的“df1”。这里有一个使用库（splitstackshape）
中的cSplit
的选项。我们将“data.frame”转换为“data.table”，使用选项keep.rownames=TRUE
，将“pages”列拆分为“，”，并使用cSplit
转换为“long”格式。按“rn”分组，我们对“pages”进行排序并将其粘贴在一起，我们还得到了“sum.num”的第一个值。然后，我们得到按“pages”分组的“sum.num.”的sum
library(splitstackshape)
library(data.table)
cSplit(setDT(df1, keep.rownames=TRUE), 'pages', ',', 'long')[,
list(pages=toString(sort(pages)), sum.num.= sum.num.[1]) ,rn
][,list(Sum=sum(sum.num.)) , .(pages)]
# pages Sum
#1: Badezimmer, Baumarkt, Büromöbel 22
#2: Badezimmer, Baumarkt, Dekoration 14
#3: Badezimmer, Baumarkt, Flur 70
#4: Badezimmer, Baumarkt, Garten 18
#5: Badezimmer, Baumarkt, Heimtextilien 100
#6: Badezimmer, Baumarkt, Kinder 28
注：@RHertel帖子中的“df1”。是的，这有帮助，了解的软件包很好，谢谢。这有帮助，了解的软件包很好，谢谢。但我恐怕选择了另一种解决方案，因为我知道了与此不同的软件包。不客气，谢谢您的反馈。选择你认为最有用的答案是完全正确的。我也很高兴学习新方法，我认为@akrun的解决方案很棒。做得好，这是一项艰巨的任务！我仍在考虑一个关于内存“移动”的更有效的解决方案（字符串操作在R中不是很有效，特别是当您使用[s]apply“循环”所有行时）。谢谢，@RYoda。我同意非循环解决方案更可取，但我不知道如何在base R中实现这一点（akrun的解决方案不使用循环，但我假设循环是在他使用的包的罩下运行的）。如果你发现了什么，请发布你的解决方案@RHertel：我只是没有看到（或找不到；-）比akrun使用splitstackshape包的解决方案更优雅（可能更快）的解决方案。如果使用某种矢量化，隐式循环是可以的。谢谢你，但我恐怕选择了另一种解决方案，因为我知道了一个不同的包。不客气，谢谢你的反馈。选择你认为最有用的答案是完全正确的。我也很高兴学习新方法，我认为@akrun的解决方案很棒。做得好，这是一项艰巨的任务！我仍在考虑一个关于内存“移动”的更有效的解决方案（字符串操作在R中不是很有效，特别是当您使用[s]apply“循环”所有行时）。谢谢，@RYoda。我同意非循环解决方案更可取，但我不知道如何在base R中实现这一点（akrun的解决方案不使用循环，但我假设循环是在他使用的包的罩下运行的）。如果你发现了什么，请发布你的解决方案@RHertel：我只是没有看到（或找不到；-）比akrun使用splitstackshape包的解决方案更优雅（可能更快）的解决方案。如果使用某种矢量化，隐式循环是可以的。