Collapse/concatenate/aggregate column для отдельной строки, разделенной запятой, в каждой группе

Я хочу объединить один столбец в кадре данных в соответствии с двумя переменными группировки и разделить отдельные значения запятой.

Вот некоторые данные:

data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))
data
#     A B  C
# 1 111 1  5
# 2 111 2  6
# 3 111 1  7
# 4 222 2  8
# 5 222 1  9
# 6 222 2 10

"A" и "B" - это группировка переменных, а "C" - это переменная, которую я хочу свернуть в строку character, разделенную запятыми. Я пробовал:

library(plyr)
ddply(data, .(A,B), summarise, test = list(C))

    A B  test
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10

но когда я попытался преобразовать тестовый столбец в character, он будет выглядеть следующим образом:

ddply(data, .(A,B), summarise, test = as.character(list(C)))
#     A B     test
# 1 111 1  c(5, 7)
# 2 111 2        6
# 3 222 1        9
# 4 222 2 c(8, 10)

Как сохранить формат character и разделить их запятой? Например, строка 1 должна быть только "5,7", а не как c (5,7).

Ответ 1

Вот некоторые опции, использующие toString, замечательную служебную функцию, которая объединяет строки с запятыми. Если вам не нужны запятые, вместо этого вы можете использовать paste() с аргументом collapse.

Таблица данных

# alternative using data.table
library(data.table)
as.data.table(data)[, toString(C), by = list(A, B)]

агрегат Это не использует пакеты:

# alternative using aggregate from the stats package in the core of R
aggregate(C ~., data, toString)

sqldf

А вот альтернативный вариант использования SQL-функции group_concat с использованием пакета sqldf:

library(sqldf)
sqldf("select A, B, group_concat(C) C from data group by A, B", method = "raw")

dplyr Альтернатива dplyr:

library(dplyr)
data %>%
  group_by(A, B) %>%
  summarise(test = toString(C)) %>%
  ungroup()

plyr

# plyr
library(plyr)
ddply(data, .(A,B), summarize, C = toString(C))

Ответ 2

Измените, где вы положили as.character:

> out <- ddply(data, .(A, B), summarise, test = list(as.character(C)))
> str(out)
'data.frame':   4 obs. of  3 variables:
 $ A   : num  111 111 222 222
 $ B   : int  1 2 1 2
 $ test:List of 4
  ..$ : chr  "5" "7"
  ..$ : chr "6"
  ..$ : chr "9"
  ..$ : chr  "8" "10"
> out
    A B  test
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10

Обратите внимание, однако, что каждый элемент по-прежнему фактически является отдельным символом, а не одной символьной строкой. То есть, это не настоящая строка, которая выглядит как "5, 7", а скорее два символа "5" и "7", которые R отображает с запятой между ними.

Сравните со следующим:

> out2 <- ddply(data, .(A, B), summarise, test = paste(C, collapse = ", "))
> str(out2)
'data.frame':   4 obs. of  3 variables:
 $ A   : num  111 111 222 222
 $ B   : int  1 2 1 2
 $ test: chr  "5, 7" "6" "9" "8, 10"
> out
    A B  test
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10

Соответствующее решение в базе R, конечно, aggregate:

> A1 <- aggregate(C ~ A + B, data, function(x) c(as.character(x)))
> str(A1)
'data.frame':   4 obs. of  3 variables:
 $ A: num  111 222 111 222
 $ B: int  1 1 2 2
 $ C:List of 4
  ..$ 0: chr  "5" "7"
  ..$ 1: chr "9"
  ..$ 2: chr "6"
  ..$ 3: chr  "8" "10"
> A2 <- aggregate(C ~ A + B, data, paste, collapse = ", ")
> str(A2)
'data.frame':   4 obs. of  3 variables:
 $ A: num  111 222 111 222
 $ B: int  1 1 2 2
 $ C: chr  "5, 7" "9" "6" "8, 10"

Ответ 3

Вот решение stringr/tidyverse:

library(tidyverse)
library(stringr)

data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))


data %>%
 group_by(A, B) %>%
 summarize(text = str_c(C, collapse = ", "))

# A tibble: 4 x 3
# Groups:   A [2]
      A     B test 
  <dbl> <int> <chr>
1   111     1 5, 7 
2   111     2 6    
3   222     1 9    
4   222     2 8, 10