r - 如何上下移动字符串并从中删除相似的字符串？

Question

我问了一个可能不太清楚的问题。所以我试着用一种可以理解的方式来解释它。这是我的数据

我的数据是这样的

看起来像这样

#             V1      V2               V3
#1                 Q9UNZ5             Q9Y2W1
#2 Q9ULV4;Q6QEF8                     
#3                                    Q9UNZ5
#4                  Q9H6F5              
#5                  Q9H2K0     Q9ULV4;Q6QEF8
#6                  Q9GZZ1            Q9UKD2
#7        Q9H6F5    Q9GZZ1            Q9GZZ1
#8        Q9GZZ1                      Q9NYF8
#9        Q9BWS9                     

我想删除所有字符串中的重复字符串例如，我们第一次拥有所有字符串的 V1，因此我们不删除任何内容，只是安排它们具有

Q9ULV4
Q6QEF8
Q9H6F5
Q9GZZ1 
Q9BWS9

然后我们用第一列检查第二列字符串，我们删除那些重复的字符串并重新排列它们。对于第三列，我们检查第一列和第二列的字符串，如果相似则我们删除并排列它们。所以输出应该如下所示。

Q9ULV4  Q9UNZ5  Q9Y2W1
Q6QEF8  Q9H2K0  Q9UKD2
Q9H6F5          Q9NYF8
Q9GZZ1          
Q9BWS9          

它与我问过的任何问题都不相似；所以如果还是不清楚，请发表评论，我会尽力解释

Answer 1

我会分两步来解决这个问题:

1) 获取每列的唯一元素并转换为列表:

l <- lapply(df, function(x) unique(unlist(strsplit(as.character(x), ";"))))

2) 删除出现在任何先前列中的重复项

for(i in seq_along(l)) {
  l[[i]] <- setdiff(l[[i]], unlist(l[seq_len(i-1L)]))
}

我使用 list 而不是 data.frame 的原因是因为 data.frame 要求所有列具有相同的行数，这里不是这种情况(除非你用 NA 或空字符串填充它们)。在这种情况下，list 结构是可行的方法。