r - 在保留数据帧结构的同时合并 R 中的重复字符

Question

我有一个神经网络玩具边缘列表，如下所示:

df<-c("Group1", "Group1", "Group2", "Group1, Group3", "Group1, Group3", 
"Group3", "Group3, Group4", "Group3, Group4")

    V1
1   Group1
2   Group1
3   Group2
4   Group1, Group3
5   Group1, Group3
6   Group3
7   Group3, Group4
8   Group3, Group4

我需要保留数据的 8 行结构(在第 1 行和第 2 行中包含单个重复元素，如 Group1)，但我想:

1) 识别以逗号分隔的重复条目的实例(即 "Group1, Group3" 和 "Group3, Group4")

2) 对于这些实例，找到一种方法来合并值，以便在第一个重复行中保留一个唯一值，在第二个重复行中保留第二个唯一值，如下所示:

    V1
1   Group1
2   Group1
3   Group2
4   Group1 <- Group3 is dropped
5   Group3 <- Group1 is dropped
6   Group3
7   Group3 <- Group4 is dropped
8   Group4 <- Group3 is dropped

所有重复项都以二的倍数出现，因此只有两个值的奇数重复没有任何问题，等等。

编辑:

为了将来引用，如果边缘列表有像这样的非连续重复项，我该怎么办:

df<-c("Group1", "Group1, Group3", "Group2", "Group1, Group3", "Group3", 
      "Group3, Group4", "Group3", "Group3, Group4")
    V1
1   Group1
2   Group1, Group3
3   Group2
4   Group1, Group3
5   Group3
6   Group3, Group4
7   Group3
8   Group3, Group4

所提供的解决方案无法在这种情况下发挥作用。此外，由于行的位置对于网络至关重要，因此无法对其进行排序。有什么建议吗？

Answer 1

删除重复项，然后以逗号分隔。

unlist(strsplit(df[!(ave(seq_along(df), df, FUN = seq_along) == 2 & grepl(",", df))], ", "))
#[1] "Group1" "Group1" "Group2" "Group1" "Group3" "Group3" "Group3" "Group4"

df 如果重复项有可能不在一起，则可能需要先对其进行排序。

这是使用 mapply 的另一种方法，无论 df 的顺序如何，它都应该有效

df<-c("Group1", "Group1, Group3", "Group2", "Group1, Group3", "Group3", 
      "Group3, Group4", "Group3", "Group3, Group4")
d = lapply(unique(df), function(x) strsplit(x, ", ?"))
ind = match(df, unique(df))
grp = ifelse(grepl(",", df), ave(seq_along(df), df, FUN = seq_along), 1)
df2 = mapply(function(i, g) d[[i]][[1]][g], ind, grp)
data.frame(df, df2)
#>               df    df2
#> 1         Group1 Group1
#> 2 Group1, Group3 Group1
#> 3         Group2 Group2
#> 4 Group1, Group3 Group3
#> 5         Group3 Group3
#> 6 Group3, Group4 Group3
#> 7         Group3 Group3
#> 8 Group3, Group4 Group4