R 数据表用户定义函数

我有一个data.table，其中有一列列出了正在装运的货物的协调关税代码。存在一些输入问题，因为有时一行可能有重复的数字“7601.00；7601.00”，有时可能有不同的数字“7601.00；8800.00”。当我有不同的条目时，我还没有决定要做什么，但我想做的第一件事是去掉重复的条目。因此，我编写了一个自定义的用户定义函数：

unique_hscodes <- function(hs_input){


  new <- strsplit(hs_input, split = ";")                   # Delimiter ;
  new <- lapply(new, str_replace_all, " ", "")

  if (length(unique(unlist(new))) == 1) {                  # Unique HS code
    return(unique(unlist(new)))
  }  
  else {

  new <- names(sort(table(unlist(new)),decreasing=TRUE)[1]) # Most frequent

  return(new) 

  } 

}

---

unique\hscode您的代码在字符串拆分后从单个项目输入返回多个项目。使用by=1:nrow（DT）运行时，一次只检查一行。如果只显示一行，则不会出现此问题

 DT <- data.table(hscode=c("7601.00; 7601.00" , "7601.00; 8800.00"))
 DT
#-----
             hscode
1: 7601.00; 7601.00
2: 7601.00; 8800.00
#--
 DT[ ,  table( unlist( strsplit(hscode, split="; "))) ]

#7601.00 8800.00 
#      3       1 
 DT[ ,  table( unlist( strsplit(hscode, split="; "))) , by=1:nrow(DT)]
#---------
  nrow V1
1:    1  2
2:    2  1
3:    2  1

欢迎来到StackOverflow！请阅读相关信息以及如何给出建议。这将使其他人更容易帮助你。也许
DT[，hs_code:=sapply（hscode，unique_-hscode）]
有效？我想整个问题是为什么，因为
by
操作是“有效的”。@Frank：我想我认为另一个代码实际上是“去除重复项”，但我现在明白了。
> DT[, hs_code := sapply(hscode, unique_hscodes)]
> DT
             hscode hs_code
1: 7601.00; 7601.00 7601.00
2: 7601.00; 8800.00 7601.00