R：在数据帧中组合相同的标识符

我有一个数据框架，有两列，一个标识符和一列名称。每个标识符多次出现在列ID中（见下文）

现在我想创建一个数据帧，如下所示：

 ID           Names
uc001aag.1  DKFZp686C24272 | DQ786314 | uc001aag.1
uc001aah.2  AK056232 | FLJ00038 | uc001aah.1 | uc001aah.2
uc001aai.1  AY217347

---

有人能帮我吗

您可以使用

聚合
：

R> aggregate(Names ~ ID, data=tmp, FUN=paste, collapse=" | ")
          ID                                         Names
1 uc001aag.1        DKFZp686C24272 | DQ786314 | uc001aag.1
2 uc001aah.2 AK056232 | FLJ00038 | uc001aah.1 | uc001aah.2
3 uc001aai.1                                      AY217347

聚合是一个相当快的方法，但是您可以使用一个有用的解决方案来并行化代码。这可以在Windows上使用
snowfall
轻松完成：

require(snowfall)
sfInit(parallel=TRUE,cpus=2)
sfExport("Data")

ID <- unique(Data$ID)
CombNames <- sfSapply(ID,function(i){
    paste(Data$Names[Data$ID==i],collapse=" | ")
})
data.frame(ID,CombNames)
sfStop()

require（降雪）
sfInit（并行=真，CPU=2）
sfExport（“数据”）
ID@rcs，这个方法很好用，但是我有一个非常大的数据集。有没有办法加快分析速度？感谢使用
plyr
包中的
ddply进行并行化：
ddply（tmp，.（ID），函数（x）粘贴（x$Names，collapse=“|”），.parallel=TRUE）
plyr程序包中的代码给出了以下错误：加载所需程序包：foreach错误：并行plyr操作需要foreach程序包。此外：警告消息：在库中（package，lib.loc=lib.loc，character.only=TRUE，logical.return=TRUE，：没有名为'foreach'
tapply
的包可以使用
snowfall
修改为并行运行。我不确定任何并行化技巧会有多大帮助。在这种情况下，ddply的问题是（450000行被合并成200000行）是合并步骤。拆分步骤可能没有那么昂贵，粘贴也应该不会太糟糕。但是ddply会在生成的小data.frames上重复执行rbind，这是一场灾难，因为它每次都必须重新优化字符串存储。（我想？）最好使用dlply，每次只返回粘贴的字符串，然后unlist（）折叠为向量，然后粘贴回ID名称。
require(snowfall)
sfInit(parallel=TRUE,cpus=2)
sfExport("Data")

ID <- unique(Data$ID)
CombNames <- sfSapply(ID,function(i){
    paste(Data$Names[Data$ID==i],collapse=" | ")
})
data.frame(ID,CombNames)
sfStop()

n <- 3000
m <- 3
Data <- data.frame( ID = rep(1:n,m),
                    Names=rep(LETTERS[1:m],each=n))
 # using snowfall for parallel sapply    
 system.time({
   ID <- unique(Data$ID)
   CombNames <- sfSapply(ID,function(i){
     paste(Data$Names[Data$ID==i],collapse=" | ")
   })
   data.frame(ID,CombNames)
 }) 
   user  system elapsed 
   0.02    0.00    0.33 

 # using tapply
 system.time({
   CombNames <- tapply(Data$Names,Data$ID,paste,collapse=" | ")
   data.frame(ID=names(CombNames),CombNames)
 })
   user  system elapsed 
   0.44    0.00    0.44 

 # using aggregate
 system.time(
   aggregate(Names ~ ID, data=Data, FUN=paste, collapse=" | ")
 )
   user  system elapsed 
   0.47    0.00    0.47 

 # using the normal sapply
 system.time({
   ID <- unique(Data$ID)
   CombNames <- sapply(ID,function(i){
     paste(Data$Names[Data$ID==i],collapse=" | ")
   })
   data.frame(ID,CombNames)
 })
   user  system elapsed 
   0.75    0.00    0.75 

CombNames <- sapply(split(Data$Names,Data$ID),paste,collapse=" | ")
data.frame(ID=names(CombNames),CombNames)