R：合并重复的观察结果？

Question

我有一个大型数据框，其中包含大约 500,000 个观察值（由 "ID" 标识）和 150 多个变量。有些观察只出现一次；其他人出现多次（超过 10 次左右）。我想 "collapse" 这些多个观察结果，以便每个唯一 ID 只有一行，并且 2:150 列中的所有信息都被连接起来。我不需要对这些观察结果进行任何计算运行，只需快速修改即可。

我试过：

df.new <- group_by(df,"ID")

还有：

library(data.table)
dt = data.table(df)
dt.new <- dt[, lapply(.SD, na.omit), by = "ID"]

不幸的是，两者都没有用。感谢您的帮助！

Answer 1

怎么样？

df %>%
  group_by(ID) %>%
  summarise_each(funs(paste0(., collapse = "/")))

或reproducible...

iris %>%
  group_by(Species) %>%
  summarise_each(funs(paste0(., collapse = "/")))

Answer 2

我过去也遇到过类似的问题，但我没有处理相同数据的多个副本。在许多情况下只有 2 个实例，在某些情况下有 3 个实例。以下是我的方法。希望对您有所帮助。

idx <- duplicated(df$key) | duplicated(df$key, fromLast=TRUE) # get the index of the duplicate entries. Or will help get the original value too.
dupes <- df[idx,] # get duplicated values
non_dupes <- df[!idx,]  # get all non duplicated values

temp <- dupes %>% group_by(key) %>%  # roll up the duplicated ones.
  fill_(colnames(dupes), .direction = "down") %>%  
  fill_(colnames(dupes), .direction = "up")  %>%  
  slice(1)

然后很容易合并回temp和non_dupes。

编辑

我强烈建议将 df 过滤到尽可能多且与您的最终目标相关的人群，因为此过程可能需要一些时间。

Answer 3

使用基本 R：

df = data.frame(ID = c("a","a","b","b","b","c","d","d"),
                day = c("1","2","3","4","5","6","7","8"),
                year = c(2016,2017,2017,2016,2017,2016,2017,2016),
                stringsAsFactors = F)

> df
  ID day year
1  a   1 2016
2  a   2 2017
3  b   3 2017
4  b   4 2016
5  b   5 2017
6  c   6 2016
7  d   7 2017
8  d   8 2016

做：

z = aggregate(df[,2:3], 
              by = list(id = df$ID), 
              function(x){ paste0(x, collapse = "/") }
              )

结果：

> z
  id   day           year
1  a   1/2      2016/2017
2  b 3/4/5 2017/2016/2017
3  c     6           2016
4  d   7/8      2017/2016

编辑

如果你想避免 "collapsing" NA 做：

z = aggregate(df[,2:3], 
              by = list(id = df$ID), 


        function(x){ paste0(x[!is.na(x)],collapse = "/") })

对于这样的数据框：

> df
  ID  day year
1  a    1 2016
2  a    2   NA
3  b    3 2017
4  b    4 2016
5  b <NA> 2017
6  c    6 2016
7  d    7 2017
8  d    8 2016

结果是：

> z
  id day           year
1  a 1/2           2016
2  b 3/4 2017/2016/2017
3  c   6           2016
4  d 7/8      2017/2016

R：合并重复的观察结果？

R: Consolidating duplicate observations?

r

consolidation