合并具有相等和不相等数据的行

Question

我正在努力合并一些杂乱的数据。

我有一个这样的数据框：

df <- data.frame(name = c("A", "A", "B", "B", "C", "C"), 
                 number = c(1, 1, 2, 2, 3, 3), 
                 product = c("fixed", "variable", "aggregate", "variable", "fixed", "fixed"), 
                 vol = c(1, 9, 2, 6, 4, 7)
                 )

这是我正在努力的方向：

result <- data.frame(name = c("A", "B", "C"), 
                     number = c(1, 2, 3), 
                     new_product = c("fixed variable", "aggregate variable", "fixed"), 
                     vol = c(10, 8, 11) 
                     )

我的问题是我需要合并数据框中所有相等的行。如果它们不是唯一的，我需要将它们合并成一个类似于结果中的名称。

我试过 dplyr，但在 dplyr 中我无法让 new_product 以任何有意义的方式合并，因为我无法再次引用同一列。

df %>% group_by(name) %>% summarize (name = name, 
number = number, 
newproduct = paste(product, product) # ????

非常感谢任何帮助！

Answer 1

下面是我将如何使用 data.table 来解决这个问题，尽管我不确定你是如何定义 number

library(data.table)
result <- setDT(df)[,.(new_product = toString(unique(product)), vol = sum(vol)), by = name]
result[, number := .I]
result
#    name         new_product vol number
# 1:    A     fixed, variable  10      1
# 2:    B aggregate, variable   8      2
# 3:    C               fixed  11      3

注意：如果您更喜欢输出，可以使用 paste(unique(product), collapse = " ") 而不是 toString。

或与 dplyr

类似

df %>% 
  group_by(name) %>% 
  summarise(new_product = toString(unique(product)), vol=sum(vol)) %>% 
  mutate(number = row_number())

Answer 2

其他人已经回复了，但我的解决方案是：

df %>% 
  group_by (name) %>%
  summarise(
    new_product = paste (unique(product), collapse=" "),
    vol = sum(vol)) %>%
  mutate(number = row_number()) %>%
  select(name, number, new_product, vol)

Answer 3

基础 R 加一些咖喱：

library(functional)

aggregStrFunc = Compose(unique, Curry(paste, collapse=','))

setNames(cbind(
    aggregate(df$vol, by=list(name=df$name), sum),
    aggregate(df$product, by=list(df$name), aggregStrFunc)[-1]
), c('Name', 'Vol', 'New_Product'))

#  Name Vol        New_Product
#1    A  10     fixed,variable
#2    B   8 aggregate,variable
#3    C  11              fixed

Answer 4

这里再介绍两种比较纯粹的基础方式：

df <- data.frame(name = c("A", "A", "B", "B", "C", "C"), 
                 number = rep(1:3, times = 2, each = 1), 
                 product = c("fixed", "variable", "aggregate", "variable", "fixed", "fixed"), 
                 vol = c(1, 9, 2, 6, 4, 7)
)

这个只是使用ave作用于原始数据框，然后删除重复项

within(df, {
  new_product <- ave(seq_along(name), name, FUN = function(x) 
    toString(unique(df[x, 'product'])))
  vol <- ave(vol, name, FUN = sum)
  product <- NULL
})[!duplicated(df$name), ]

#   name number vol         new_product
# 1    A      1  10     fixed, variable
# 3    B      3   8 aggregate, variable
# 5    C      2  11               fixed

这个比较迂回，用aggregate创建new_product，然后匹配回原来的，最后再用aggregate按group[=24求和=]

(tmp <- aggregate(product ~ name, df, function(x)
  paste0(unique(x), collapse = ' ')))
#   name            product
# 1    A     fixed variable
# 2    B aggregate variable
# 3    C              fixed

df$new_product <- tmp[match(df$name, tmp$name), 'product']
res <- aggregate(vol ~ name + new_product, df, sum)
within(res[order(res$name), ], {
  number <- 1:nrow(res)
})

#   name        new_product vol number
# 3    A     fixed variable  10      1
# 1    B aggregate variable   8      2
# 2    C              fixed  11      3

合并具有相等和不相等数据的行

Merge rows with equal and unequal data

r

reshape