r - 在R中删除String中的重复元素

Question

我在删除字符串中的重复元素时遇到了一些问题。我的数据看起来类似于:

---

idvisit     path
1           1,16,23,59
2           2,14,14,19
3           5,19,23,19
4           10,10
5           23,23,27,29,23

---

我有一个包含唯一 ID 的列和一个包含网页导航路径的列。右栏包含一些情况，其中页面刚刚重新加载并且页面被跟踪两次甚至更多次。页面以逗号分隔并保存为因子。我的问题是，我不想连续显示多个页面，所以数据应该是这样的。

---

idvisit     path
1           1,16,23,59
2           2,14,19
3           5,19,23,19
4           10
5           23,27,29,23

---

应该删除彼此相邻的多个页面。我知道如何使用正则表达式删除特定的多个数字，但我有大约 20.000 个不同的页面，无法对所有页面执行此操作。对于我的问题，有人有解决方案或提示吗？

谢谢塞巴斯蒂安

Answer 1

我们可以使用tidyverse。使用separate_rows将'path'变量用分隔符(,)分割成长格式，然后按'idvisit'分组，我们粘贴 游程编码值

library(tidyverse)
separate_rows(df1, path) %>%
       group_by(idvisit) %>%
       summarise(path = paste(rle(path)$values, collapse=","))
# A tibble: 5 × 2
#  idvisit        path
#    <int>       <chr>
#1       1  1,16,23,59
#2       2     2,14,19
#3       3  5,19,23,19
#4       4          10
#5       5 23,27,29,23

---

或者 base R 选项是

df1$path <- sapply(strsplit(df1$path, ","), function(x) paste(rle(x)$values, collapse=","))

注意:如果“路径”列是 factor 类，在作为参数传递给 strsplit 之前转换为 character 即 strsplit (as.character(df1$path), ",")