R Groupby column返回多列中的唯一值

这很可能是重复的-让我知道，我会删除

我有一些数据帧：

   from   to  value sourceID targetID clustid
1  1400 1413 0.6846  3055586  3060697       1
2   323  661 0.5550  1596205   724084       1
3   323 1411 0.6817   724084  3060607       1
4  1413 1411 0.6729  3060697  3060607       1
5  1498 1411 0.6381  3111960  3060607       1
6  1478 1415 0.7423  3062164  3099199       2
7  1478 1414 0.7423  3099199  3062163       2
8  1415 1462 0.7078  3090708  3062164       2
9  1415 1463 0.7078  3062164  3090709       2
10 1462 1404 0.7078  3090708  3058341       2

我想执行一个与Python

groupby（）等价的函数

来根据

clustid

对数据进行分组

此外，我还想返回一个新的数据帧，其中包含

sourceID

和

targetID

的唯一值，并对这些值进行排序。这样，我的输出将是：

 UniqueID
1 724084
  1596205
  3055586
  3060607
  3060697
  3111960
2 3058341
  3062163
  3062164
  3090708
  3090709
  3099199

我知道我可以使用

unique（）

返回

sourceID

和

targetID

列中所有行的唯一ID列表，如下所示：

unique_ids <- sort(unique(c((df$sourceID), (df$targetID))))
> unique_ids
 [1]  370871  370873  374920  431814  612944  724084 1145838 1145839 1312582 1365467 1365468 1450552 1450553 1469099 1477137 1519842 1528881 1596205 1919812 1935866
[21] 2933725 2933726 3018082 3055586 3058341 3060607 3060697 3062163 3062164 3064884 3064885 3083388 3090708 3090709 3099199 3111960 3458397

---

不幸的是，这并不完全是我想要的。

您可以使用

dplyr中的
bind_行
快速轻松地转换到数据帧以及ID，即

dplyr::bind_rows(lapply(split(df, df$clustid), 
                 function(i)data.frame(IDs = sort(unique(c(i$sourceID, i$targetID))))), 
                                                                          .id = 'cluster')
#   cluster     IDs
#1        1  724084
#2        1 1596205
#3        1 3055586
#4        1 3060607
#5        1 3060697
#6        1 3111960
#7        2 3058341
#8        2 3062163
#9        2 3062164
#10       2 3090708
#11       2 3090709
#12       2 3099199

下面是一个使用
data.table
包的解决方案。假设您的表存储在名为
df
的数据框中

df <- data.table(df)
df <- df[, list(id = unique(c(targetID, sourceID))), by = clustid]
setkeyv(df, c("clustid", "id"))

我相信使用
dplyr
和
tidyr
可以执行
collect
操作，将两个id列合并为一个。像这样的手术

df %>%
  group_by(clustid) %>%
  gather(idtype, uniqueID, sourceID, targetID) %>%
  arrange(uniqueID) %>%
  unique() %>%
  select(clustid, uniqueID) %>%
  ungroup()

应该可以做到。
试试
lappy（分割（df，df$clustid），函数（i）排序（唯一（c（i$sourceID，i$targetID）））
在答案中添加了输出。不太对，不幸的是：/@ChuckM，这应该行得通。您使用的是不同的数据吗？谢谢。有没有办法抑制每行都有一个集群id？为什么？我想我应该在问题中提到->这些数据帧将使用
formattable
或
knitr
作为html表输出。支持符合这些表所需的输出格式，我希望在输出之前有一种方法可以做到。嘿，Sotos，谢谢你的回答，测试了用例，这将很好：）非常感谢，祝你有愉快的一天！我们能否以向量或列表的形式得到最终结果，其中列表的名称是ID，值是值的向量？为答案欢呼Aaron，非常感谢反馈：）
##     clustid      id
##  1:       1  724084
##  2:       1 1596205
##  3:       1 3055586
##  4:       1 3060607
##  5:       1 3060697
##  6:       1 3111960
##  7:       2 3058341
##  8:       2 3062163
##  9:       2 3062164
## 10:       2 3090708
## 11:       2 3090709
## 12:       2 3099199

df %>%
  group_by(clustid) %>%
  gather(idtype, uniqueID, sourceID, targetID) %>%
  arrange(uniqueID) %>%
  unique() %>%
  select(clustid, uniqueID) %>%
  ungroup()