R 合并重复的列名

我有一个数据框，其中一些列具有相同的数据，但列名不同。我想删除重复的列，但合并列名。例如，test1和test4列是重复的：

df

      test1 test2 test3 test4
    1     1     1     0     1
    2     2     2     2     2
    3     3     4     4     3
    4     4     4     4     4
    5     5     5     5     5
    6     6     6     6     6

我希望结果是这样的：

df

      test1+test4 test2 test3 
    1           1     1     0     
    2           2     2     2     
    3           3     4     4     
    4           4     4     4     
    5           5     5     5     
    6           6     6     6   

以下是数据：

structure(list(test1 = c(1, 2, 3, 4, 5, 6), test2 = c(1, 2, 4, 
4, 5, 6), test3 = c(0, 2, 4, 4, 5, 6), test4 = c(1, 2, 3, 4, 
5, 6)), .Names = c("test1", "test2", "test3", "test4"), row.names = c(NA, 
-6L), class = "data.frame")

请注意，我并不只是想删除重复的列。我还想在删除重复列后合并重复列的列名

---

我可以为我发布的简单表手动执行此操作，但我想在大型数据集上使用此操作，因为我事先不知道哪些列是相同的。我不知道如何手动删除和重命名列，因为我可能有50多个重复的列。

这不是完全自动的，但循环的输出将识别成对的重复列。然后必须删除其中一个重复列，然后根据重复的列重新命名

df <- structure(list(test1 = c(1, 2, 3, 4, 5, 6), test2 = c(1, 2, 4, 
4, 5, 6), test3 = c(0, 2, 4, 4, 5, 6), test4 = c(1, 2, 3, 4, 
5, 6)), .Names = c("test1", "test2", "test3", "test4"), row.names = c(NA, 
-6L), class = "data.frame")

for(i in 1:(ncol(df)-1)){
  for(j in 2:ncol(df)){
    if(i == j) NULL
    else if(FALSE %in% paste0(df[,i] == df[,j])) NULL
    else print(paste(i, j, sep = " + "))
  }
}

new <- df[,-4]
names(new)[1] <- paste(names(df[1]), names(df[4]), sep = "+")
new

---

好的，使用来自的想法改进上述答案。将重复列和非重复列保存到数据帧中。检查非重复项是否与任何重复项匹配，如果匹配，则连接它们的列名。因此，如果您有两个以上的重复列，这将起作用

编辑：将摘要更改为摘要。这有助于处理字符数据

df <- structure(list(test1 = c(1, 2, 3, 4, 5, 6), test2 = c(1, 2, 4, 
4, 5, 6), test3 = c(0, 2, 4, 4, 5, 6), test4 = c(1, 2, 3, 4, 
5, 6)), .Names = c("test1", "test2", "test3", "test4"), row.names = c(NA, 
-6L), class = "data.frame")

library(digest)
nondups <- df[!duplicated(lapply(df, digest))]

dups <- df[duplicated(lapply(df, digest))]

for(i in 1:ncol(nondups)){
  for(j in 1:ncol(dups)){
    if(FALSE %in% paste0(nondups[,i] == dups[,j])) NULL
    else names(nondups)[i] <- paste(names(nondups[i]), names(dups[j]), sep = "+")
  }
}

nondups

编辑：这部分是新的

示例3：在大型数据帧上

#Creating a 1500 column by 15000 row data frame
dat <- do.call(data.frame, replicate(1500, rep(FALSE, 15000), simplify=FALSE))
names(dat) <- 1:1500

#Fill the data frame with LETTERS across the rows
#This part may take a while. Took my PC about 23 minutes.
start <- Sys.time()
  fill <- rep(LETTERS, times = ceiling((15000*1500)/26))
  j <- 0
  for(i in 1:nrow(dat)){
    dat[i,] <- fill[(1+j):(1500+j)]
    j <- j + 1500
  }
difftime(Sys.time(), start, "mins")

#Run the function on the created data set
#This took about 4 minutes to complete on my PC.
start <- Sys.time()
  result <- dupcols(df = dat)
difftime(Sys.time(), start, "mins")

names(result$df1)
ncol(result$df1)
ncol(result$df2)

---

我们不得不假设你用谷歌搜索删除了重复的列。请澄清为什么前几次点击没有帮助。否则，这个问题将作为一个重复问题结束。是的，我有。请查看结果表中的列名。我不仅想删除重复的列。我还想在删除重复列后合并重复列的列名。我可以为我发布的简单表手动执行此操作，但我想在大型数据集上使用此操作。您提前知道哪些列是重复的吗？或者你想自动确定我想自动确定。我想类似的方法会起作用：DuplicatedDTDFMatch和unique可以处理这里的列表data.frame，因此matchdf、unique.defaultdf可以为相同的列提供映射，这是一个简单的开始。你的数据有多大？有多少个唯一的值？这似乎是一个好的开始，但如果有两个以上的列具有相同的数据，则它不起作用，因为它将查找所有可能的对…我正在寻找一种不必手动删除和重命名列的方法，因为我可能有超过50个重复的列，我猜这可能需要一段时间来运行非常大的数据帧，例如15000 x 1500？测试它。使用我提供的示例，并多次复制数据帧，它仍然可以非常快速地工作。dfnew好的，我在一个大数据帧上测试了它，它已经运行了至少15分钟，所以我一定是做错了什么，我会努力找出它。我编辑了我的答案以改进功能，并提供了一个大数据帧上的示例，所以它与您希望如何使用它更相关。谢谢！最后你的前一个版本运行得很好，我只是需要调整一些东西，但是这个版本也很有趣。谢谢你的不同版本！

#Creating a 1500 column by 15000 row data frame
dat <- do.call(data.frame, replicate(1500, rep(FALSE, 15000), simplify=FALSE))
names(dat) <- 1:1500

#Fill the data frame with LETTERS across the rows
#This part may take a while. Took my PC about 23 minutes.
start <- Sys.time()
  fill <- rep(LETTERS, times = ceiling((15000*1500)/26))
  j <- 0
  for(i in 1:nrow(dat)){
    dat[i,] <- fill[(1+j):(1500+j)]
    j <- j + 1500
  }
difftime(Sys.time(), start, "mins")

#Run the function on the created data set
#This took about 4 minutes to complete on my PC.
start <- Sys.time()
  result <- dupcols(df = dat)
difftime(Sys.time(), start, "mins")

names(result$df1)
ncol(result$df1)
ncol(result$df2)