R 将多列粘贴在一起

我在一个数据框中有一组列，我想将它们粘贴在一起（以“-”分隔），如下所示：

data <- data.frame('a' = 1:3, 
                   'b' = c('a','b','c'), 
                   'c' = c('d', 'e', 'f'), 
                   'd' = c('g', 'h', 'i'))
i.e.     
     a   b   c  d  
     1   a   d   g  
     2   b   e   h  
     3   c   f   i  

do.call(sprintf, c(d[cols], '%s-%s-%s'))

我通常可以通过以下方式来实现：

within(data, x <- paste(b,c,d,sep='-'))

in（data，x
#您的起始数据.）。。
数据
#您的起始数据。。
数据<代码>库（plyr）
ldply（应用）数据，1，功能（x）数据帧(
x=粘贴（x[2:4]，sep=“”，collapse=“-”））
#x
#1 a-d-g
#2b-e-h
#3c-f-i
#仅使用名称的矢量：
ldply（应用）数据，1，功能（x）数据帧(
x=粘贴（x[c（'b'，'c'，'d'）]，sep=“”，collapse=“-”））
#或者同等地：
mynames
库（plyr）
ldply（应用）数据，1，功能（x）数据帧(
x=粘贴（x[2:4]，sep=“”，collapse=“-”））
#x
#1 a-d-g
#2b-e-h
#3c-f-i
#仅使用名称的矢量：
ldply（应用）数据，1，功能（x）数据帧(
x=粘贴（x[c（'b'，'c'，'d'）]，sep=“”，collapse=“-”））
#或者同等地：
mynames我将构建一个新的data.frame：

d <- data.frame('a' = 1:3, 'b' = c('a','b','c'), 'c' = c('d', 'e', 'f'), 'd' = c('g', 'h', 'i')) 

cols <- c( 'b' , 'c' , 'd' )

data.frame(a = d[, 'a'], x = do.call(paste, c(d[ , cols], list(sep = '-'))))

d我要构建一个新的data.frame：

d <- data.frame('a' = 1:3, 'b' = c('a','b','c'), 'c' = c('d', 'e', 'f'), 'd' = c('g', 'h', 'i')) 

cols <- c( 'b' , 'c' , 'd' )

data.frame(a = d[, 'a'], x = do.call(paste, c(d[ , cols], list(sep = '-'))))

d作为上的一个变量，定义了
数据
，并在
cols

cols <- c("b", "c", "d")

给

> data
  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

作为上的一个变体，使用已定义的
数据
，以及在
cols

cols <- c("b", "c", "d")

给

> data
  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

使用
tidyr
包，这可以在一个函数调用中轻松处理

data <- data.frame('a' = 1:3, 
                   'b' = c('a','b','c'), 
                   'c' = c('d', 'e', 'f'), 
                   'd' = c('g', 'h', 'i'))

tidyr::unite_(data, paste(colnames(data)[-1], collapse="_"), colnames(data)[-1])

  a b_c_d
1 1 a_d_g
2 2 b_e_h
3 3 c_f_i

使用
tidyr
包，这可以在一个函数调用中轻松处理

data <- data.frame('a' = 1:3, 
                   'b' = c('a','b','c'), 
                   'c' = c('d', 'e', 'f'), 
                   'd' = c('g', 'h', 'i'))

tidyr::unite_(data, paste(colnames(data)[-1], collapse="_"), colnames(data)[-1])

  a b_c_d
1 1 a_d_g
2 2 b_e_h
3 3 c_f_i

只需使用
Reduce
添加额外的解决方案，这可能比
do慢。call
但可能比
apply
要好，因为它将避免
矩阵的转换。此外，对于
循环，我们可以使用
setdiff
来删除不需要的列

cols <- c('b','c','d')
data$x <- Reduce(function(...) paste(..., sep = "-"), data[cols])
data[setdiff(names(data), cols)]
#   a     x
# 1 1 a-d-g
# 2 2 b-e-h
# 3 3 c-f-i

另一个选项是使用
.SDcols
而不是中的
mget

setDT(data)[, x := Reduce(function(...) paste(..., sep = "-"), .SD), .SDcols = cols]

只需使用
Reduce
添加额外的解决方案，这可能比
do慢。call
但可能比
apply
要好，因为它将避免
矩阵的转换。此外，对于
循环，我们可以使用
setdiff
来删除不需要的列

cols <- c('b','c','d')
data$x <- Reduce(function(...) paste(..., sep = "-"), data[cols])
data[setdiff(names(data), cols)]
#   a     x
# 1 1 a-d-g
# 2 2 b-e-h
# 3 3 c-f-i

另一个选项是使用
.SDcols
而不是中的
mget

setDT(data)[, x := Reduce(function(...) paste(..., sep = "-"), .SD), .SDcols = cols]

我对Anthony Damico、Brian Diggs和data_steve的答案在一个小样本
tbl_df
上进行了基准测试，得到了以下结果

> data <- data.frame('a' = 1:3, 
+                    'b' = c('a','b','c'), 
+                    'c' = c('d', 'e', 'f'), 
+                    'd' = c('g', 'h', 'i'))
> data <- tbl_df(data)
> cols <- c("b", "c", "d")
> microbenchmark(
+     do.call(paste, c(data[cols], sep="-")),
+     apply( data[ , cols ] , 1 , paste , collapse = "-" ),
+     tidyr::unite_(data, "x", cols, sep="-")$x,
+     times=1000
+ )
Unit: microseconds
                                         expr     min      lq      mean  median       uq       max neval
do.call(paste, c(data[cols], sep = "-"))       65.248  78.380  93.90888  86.177  99.3090   436.220  1000
apply(data[, cols], 1, paste, collapse = "-") 223.239 263.044 313.11977 289.514 338.5520   743.583  1000
tidyr::unite_(data, "x", cols, sep = "-")$x   376.716 448.120 556.65424 501.877 606.9315 11537.846  1000

我对Anthony Damico、Brian Diggs和data_steve的答案在一个小样本
tbl_df
上进行了基准测试，得到了以下结果

> data <- data.frame('a' = 1:3, 
+                    'b' = c('a','b','c'), 
+                    'c' = c('d', 'e', 'f'), 
+                    'd' = c('g', 'h', 'i'))
> data <- tbl_df(data)
> cols <- c("b", "c", "d")
> microbenchmark(
+     do.call(paste, c(data[cols], sep="-")),
+     apply( data[ , cols ] , 1 , paste , collapse = "-" ),
+     tidyr::unite_(data, "x", cols, sep="-")$x,
+     times=1000
+ )
Unit: microseconds
                                         expr     min      lq      mean  median       uq       max neval
do.call(paste, c(data[cols], sep = "-"))       65.248  78.380  93.90888  86.177  99.3090   436.220  1000
apply(data[, cols], 1, paste, collapse = "-") 223.239 263.044 313.11977 289.514 338.5520   743.583  1000
tidyr::unite_(data, "x", cols, sep = "-")$x   376.716 448.120 556.65424 501.877 606.9315 11537.846  1000

在我看来，
sprintf
-函数也应该在这些答案中占有一席之地。您可以如下使用
sprintf
：

data <- data.frame('a' = 1:3, 
                   'b' = c('a','b','c'), 
                   'c' = c('d', 'e', 'f'), 
                   'd' = c('g', 'h', 'i'))
i.e.     
     a   b   c  d  
     1   a   d   g  
     2   b   e   h  
     3   c   f   i  

do.call(sprintf, c(d[cols], '%s-%s-%s'))

其中：

 [1] "a-d-g" "b-e-h" "c-f-i"

并创建所需的数据帧：

data.frame(a = d$a, x = do.call(sprintf, c(d[cols], '%s-%s-%s')))

给予：

  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

尽管
sprintf
与@BrianDiggs的
do.call
/
paste
组合相比没有明显的优势，但当您还想填充所需字符串的某些部分或指定位数时，它尤其有用。有关几个选项，请参阅
？sprintf

另一种变体是从以下位置使用
pmap
：

注意：此
pmap
解决方案仅在列不是因子时有效


更大数据集上的基准：

# create a larger dataset
d2 <- d[sample(1:3,1e6,TRUE),]
# benchmark
library(microbenchmark)
microbenchmark(
  docp = do.call(paste, c(d2[cols], sep="-")),
  appl = apply( d2[, cols ] , 1 , paste , collapse = "-" ),
  tidr = tidyr::unite_(d2, "x", cols, sep="-")$x,
  docs = do.call(sprintf, c(d2[cols], '%s-%s-%s')),
  times=10)


使用数据：

d <- data.frame(a = 1:3, b = c('a','b','c'), c = c('d','e','f'), d = c('g','h','i')) 

d在我看来，
sprintf
-函数也应该在这些答案中占有一席之地。您可以使用
sprintf
，如下所示：

data <- data.frame('a' = 1:3, 
                   'b' = c('a','b','c'), 
                   'c' = c('d', 'e', 'f'), 
                   'd' = c('g', 'h', 'i'))
i.e.     
     a   b   c  d  
     1   a   d   g  
     2   b   e   h  
     3   c   f   i  

do.call(sprintf, c(d[cols], '%s-%s-%s'))

其中：

 [1] "a-d-g" "b-e-h" "c-f-i"

并创建所需的数据帧：

data.frame(a = d$a, x = do.call(sprintf, c(d[cols], '%s-%s-%s')))

给予：

  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

尽管
sprintf
与@BrianDiggs的
do.call
/
paste
组合相比没有明显的优势，但当您还想填充所需字符串的某些部分或指定位数时，它尤其有用。有关几个选项，请参阅
？sprintf

另一种变体是从以下位置使用
pmap
：

注意：此
pmap
解决方案仅在列不是因子时有效


更大数据集上的基准：

# create a larger dataset
d2 <- d[sample(1:3,1e6,TRUE),]
# benchmark
library(microbenchmark)
microbenchmark(
  docp = do.call(paste, c(d2[cols], sep="-")),
  appl = apply( d2[, cols ] , 1 , paste , collapse = "-" ),
  tidr = tidyr::unite_(d2, "x", cols, sep="-")$x,
  docs = do.call(sprintf, c(d2[cols], '%s-%s-%s')),
  times=10)


使用数据：

d <- data.frame(a = 1:3, b = c('a','b','c'), c = c('d','e','f'), d = c('g','h','i')) 

d这里有一种非常非常规（但快速）的方法：使用
fwrite
from
data.table
将列“粘贴”在一起，然后使用
frad
将其读回。为了方便起见，我将这些步骤编写为一个名为
fpaste
的函数：

fpaste <- function(dt, sep = ",") {
  x <- tempfile()
  fwrite(dt, file = x, sep = sep, col.names = FALSE)
  fread(x, sep = "\n", header = FALSE)
}

fpaste这里有一个相当非常规（但快速）的方法：使用
fwrite
from
data.table
将列“粘贴”在一起，然后使用
fread
将其读回。为了方便起见，我将这些步骤编写为一个名为
fpaste
的函数：

fpaste <- function(dt, sep = ",") {
  x <- tempfile()
  fwrite(dt, file = x, sep = sep, col.names = FALSE)
  fread(x, sep = "\n", header = FALSE)
}

fpaste我知道这是一个老问题，但我认为我应该按照提问者的建议，使用paste（）函数给出简单的解决方案：

data_1<-data.frame(a=data$a,"x"=paste(data$b,data$c,data$d,sep="-")) 
data_1
  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

data\u 1我知道这是一个老问题，但我认为我应该按照提问者的建议，使用paste（）函数给出简单的解决方案：

data_1<-data.frame(a=data$a,"x"=paste(data$b,data$c,data$d,sep="-")) 
data_1
  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

data\u 1请注意，如果要将
a
列以外的所有列粘贴在一起，您可能需要使用
d[，name（d）！=“a']
，而不是
d[，cols]
列。作为一种标准解决方案，我认为您可以将其缩短为
cbind（a=d['a']，x=do.call（粘贴，c（d[cols]，sep='-'））
，例如，在使用
cbind的
data.frame
方法时，避免使用逗号、
list
和
data.frame
。请注意，您可能希望使用
d[，name（d）！=“a'”而不是
d[，cols]
如果除了
a
列以外的所有列都要粘贴在一起，那么我认为你可以将其缩短为
cbind（a=d['a']，x=do.call（粘贴，c（d[cols]，sep='-'））
，例如，避免使用逗号、
list
和
data.frame