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：

  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