R 在另一行中找到元素时合并行
您好,我有一个数据帧,例如:R 在另一行中找到元素时合并行,r,dataframe,dplyr,tidyverse,R,Dataframe,Dplyr,Tidyverse,您好,我有一个数据帧,例如: species family Events groups 1 SP1 A 10,22 G1 2 SP1 B 7 G2 3 SP1 C,D 4,5,6,1,3 G3,G4,G5,G6 4 SP2 A 22,10 G1 5 SP2 D,C 6,5,4,3,1 G4,G6,G5,G3 6
species family Events groups
1 SP1 A 10,22 G1
2 SP1 B 7 G2
3 SP1 C,D 4,5,6,1,3 G3,G4,G5,G6
4 SP2 A 22,10 G1
5 SP2 D,C 6,5,4,3,1 G4,G6,G5,G3
6 SP3 C 4,5,3,6,1 G3,G6,G5
7 SP3 E 7 G2
8 SP3 A 10 G1
9 SP4 C 7,22 G12
我想简单地为每个列合并行,其中每个列中至少有一个重复的元素(除了species
)
例如,我将合并行:
species family Events groups
SP1 A 10,22 G1
species family Events groups
SP2 A 22,10 G1
species family Events groups
SP3 A 10 G1
进入
因此,如果我对每一行执行相同的操作,我将得到预期的输出,如下所示:
species family Events groups
SP1,SP2,SP3 A 10,22 G1
SP1,SP3 B,E 7 G2
SP1,SP2,SP3 C,D 1,3,4,5,6 G3,G4,G6,G5
SP4 C 7,22 G12
请注意,SP4尚未与任何行合并,因为其组不存在于任何其他行中
有人有主意吗?
非常感谢您的帮助和时间
以下是数据框(如果有帮助):
structure(list(species = structure(c(1L, 1L, 1L, 2L, 2L, 3L,
3L, 3L, 4L), .Label = c("SP1", "SP2", "SP3", "SP4"), class = "factor"),
family = structure(c(1L, 2L, 4L, 1L, 5L, 3L, 6L, 1L, 3L), .Label = c("A",
"B", "C", "C,D", "D,C", "E"), class = "factor"), Events = structure(c(2L,
7L, 5L, 3L, 6L, 4L, 7L, 1L, 8L), .Label = c("10", "10,22",
"22,10", "4,5,3,6,1", "4,5,6,1,3", "6,5,4,3,1", "7", "7,22"
), class = "factor"), groups = structure(c(1L, 3L, 4L, 1L,
6L, 5L, 3L, 1L, 2L), .Label = c("G1", "G12", "G2", "G3,G4,G5,G6",
"G3,G6,G5", "G4,G6,G5,G3"), class = "factor")), class = "data.frame", row.names = c(NA,
-9L))
我能做和尝试的:
到目前为止,我只知道如何使用dplyr中的类似内容合并具有精确重复值的行:
desired_df <- df %>%
group_by_at(vars(-species)) %>%
summarize(species = toString(species)) %>%
ungroup() %>%
select(names(df))
所需的\u df%
按物种分组(变异体(-种))%>%
汇总(种类=串(种类))%>%
解组()%>%
选择(名称(df))
但是这里我们没有精确的重复值,而是在另一行中查找可以出现的逗号。这里是一个全tidyverse解决方案(调用输入数据框
dat
)
请注意,此解决方案与您提供的所需输出不完全相同。这是因为您说明了规则是“合并每列中至少有一个重复元素的行(物种除外)。”根据该规则,第2行和第7行不应合并,因为它们没有共同的族
首先,将要测试的三列重叠值转换为列表列。现在,这些列的每个元素都是一个列表。我还强制将Events
列设置为数字,以便正确排序
library(tidyverse)
dat <- dat %>%
mutate(across(c(family, Events, groups), ~ strsplit(as.character(.), split = ','))) %>%
mutate(Events = map(Events, as.numeric))
最后,我们将此函数应用于每个行索引。我们最终得到了重复的行,例如,初始输出的第1、4和8行是相同的。我们使用distinct
删除所有这些重复项
dat_collapse <- map_dfr(1:nrow(dat), collapse_rows) %>% distinct
如果有一行包含事件“7,22”,该怎么办。我们应该把这一排放在哪里?对于第10行、第22行或第7行或这两行?Hello@Roman,我添加了一个示例,如果所有列“”(族、事件、组)”中没有重复的值,那么我不会合并。但您仍然可能会遇到两个单独组的所有列中都有重复值的情况。例如SP4;A、 B;7,22; G1、G2
。这是你可能遇到的情况吗?如果是这样的话,它可能会与第1行或第2行合并。好吧,我明白了,这个案例不可能存在,因为我在那个步骤之前使用的算法不允许这样的案例。我尝试了一点,但直到今天晚些时候才有更多的时间来研究它。哇,非常感谢你的支持和时间!!
collapse_rows <- function(i) {
rows_collapse <- pmap_lgl(dat, function(family, Events, groups, ...)
any(dat$family[[i]] %in% family) & any(dat$Events[[i]] %in% Events) & any(dat$groups[[i]] %in% groups))
dat %>%
filter(rows_collapse) %>%
mutate(across(everything(), ~ paste(sort(unique(unlist(.))), collapse = ',')))
}
dat_collapse <- map_dfr(1:nrow(dat), collapse_rows) %>% distinct
species family Events groups
1 SP1,SP2,SP3 A 10,22 G1
2 SP1 B 7 G2
3 SP1,SP2,SP3 C,D 1,3,4,5,6 G3,G4,G5,G6
4 SP3 E 7 G2
5 SP4 C 7,22 G12