r - 为 R 中的各种 ID 跨多行连接值

Question

我的问题与以下主题高度相关: concatenate values across two rows in R

主要区别在于我只想连接那些具有相同 ID 的行。所以我需要包括某种分组，但我做不到。

# desired input
input <- data.frame(ID = c(1,1,1,3,3,3),
                   X1 = c("A", 1, 11, "D", 4, 44),
                   X2 = c("B", 2, 22, "E", 5, 55),
                   X3 = c("C", 3, 33, "F", 6, 66))

# desired output
output <- data.frame(ID = c(1,3),
                     X1 = c("A-1-11", "D-4-44"),
                     X2 = c("B-2-22", "E-5-55"),
                     X3 = c("C-3-33", "F-6-66"))

我尝试了上述线程中的解决方案，但这连接了所有六行:

output_v1 <- data.table::rbindlist(list(input, data.table::setDT(input)[, lapply(.SD, paste, collapse='-')]))

显然这不起作用，因为我没有按 ID 分组。但是在文档中我没有找到分组的方法。谁能指出我正确的方向？

非常感谢!

上面的问题得到了完美的回答，但是我注意到我的数据中存在第二层复杂性:

# desired input
input2 <- data.frame(ID = c(1,1,1,3,3,3),
                    X1 = c("A", 1, 11, "D", 4, 44),
                    X2 = c("B", 2, 22, "E", 5, 55),
                    X3 = c("C", 3, 33, "F", 6, 66),
                    X4 = c("G", "G", "G", "H", 8, 88),
                    X5 = c("I", "I", "I", "J", "J", "J"),
                    X6 = c("K", "K", "0", "L", "L", "L"))

# desired output
output2 <- data.frame(ID = c(1,3),
                     X1 = c("A-1-11", "D-4-44"),
                     X2 = c("B-2-22", "E-5-55"),
                     X3 = c("C-3-33", "F-6-66"),
                     X4 = c("G", "H-8-88"),
                     X5 = c("I", "J"),
                     X6 = c("K-K-0", "L"))

有时，一个 ID 中的一列是完全相同的。在这种情况下，我不想多次连接相同的值，而是连接一次。

我尝试了以下方法来识别一个 ID 中有差异的列 - 我想连接的那些列:

changes <- input2 |> 
  group_by(ID) |> 
  mutate(across(everything(), ~n_distinct(.x) > 1)) |> 
  pivot_longer(-ID, names_to = "col", values_to = "changed") |> 
  filter(changed) |> 
  select(-changed) |> 
  distinct()

然后我可以区别对待这两种情况:

data_concat <- input2 |>
  as_tibble() |>
  group_by(ID) |>
  select(changes$col) |>
  summarise(across(everything(), list(function(col) str_flatten(col, ", "))))

data_unique <- input2 |> 
  dplyr::select(!all_of(changes$col)) |>
  dplyr::distinct() 

data_new <- data_unique |>
  left_join(data_concat, by = 'ID')

然而，这仅适用于 X5 列，其中一个 ID 中的每个条目都是重复的。我还不知道如何正确对待 X$ 和 X6。有什么建议吗？

附加信息:如果该值在一列和一个 ID 内是完全唯一的，那么它应该变成唯一的。如果不是这种情况，则应将其连接起来。所以:KKKKK -> "K", KKKK0 -> "K-K-K-K-0", 5MMM5 -> "5-M-M-M-5", GGG99 -> "G-G-G-9-9"等

P.S.:如果扩大问题的范围被认为不是好的风格，我可以创建一个额外的问题。如果是这样，请发表评论。第一部分已经完美回答了。

Answer 1

我们可以使用 dplyr 函数:

library(dplyr)
input %>% 
  group_by(ID) %>% 
  mutate(across(everything(), ~paste0(.,collapse = "-"))) %>% 
  slice(1)
# A tibble: 2 × 4
# Groups:   ID [2]
     ID X1     X2     X3    
  <dbl> <chr>  <chr>  <chr> 
1     1 A-1-11 B-2-22 C-3-33
2     3 D-4-44 E-5-55 F-6-66