跨数据框的特定列逐行连接

Posted 2023-02-14

【中文标题】跨数据框的特定列逐行连接

【英文标题】：Concatenate row-wise across specific columns of dataframe

【发布时间】：2011-09-12 15:06:06

【问题描述】：

我有一个包含列的数据框，当将这些列连接（按行）作为字符串时，我可以将数据框划分为所需的形式。

> str(data)
'data.frame':   680420 obs. of  10 variables:
 $ A              : chr  "2011-01-26" "2011-01-26" "2011-02-09" "2011-02-09" ...
 $ B              : chr  "2011-01-26" "2011-01-27" "2011-02-09" "2011-02-10" ...
 $ C              : chr  "2011-01-26" "2011-01-26" "2011-02-09" "2011-02-09" ...
 $ D              : chr  "AAA" "AAA" "BCB" "CCC" ...
 $ E              : chr  "A00001" "A00002" "B00002" "B00001" ...
 $ F              : int  9 9 37 37 37 37 191 191 191 191 ...
 $ G              : int  NA NA NA NA NA NA NA NA NA NA ...
 $ H              : int  4 4 4 4 4 4 4 4 4 4 ...

对于每一行，我想将 F、E、D 和 C 列中的数据连接成一个字符串（下划线字符作为分隔符）。以下是我对此的不成功尝试：

data$id <- sapply(as.data.frame(cbind(data$F,data$E,data$D,data$C)), paste, sep="_")

下面是不想要的结果：

  > str(data)
    'data.frame':   680420 obs. of  10 variables:
     $ A              : chr  "2011-01-26" "2011-01-26" "2011-02-09" "2011-02-09" ...
     $ B              : chr  "2011-01-26" "2011-01-27" "2011-02-09" "2011-02-10" ...
     $ C              : chr  "2011-01-26" "2011-01-26" "2011-02-09" "2011-02-09" ...
     $ D              : chr  "AAA" "AAA" "BCB" "CCC" ...
     $ E              : chr  "A00001" "A00002" "B00002" "B00001" ...
     $ F              : int  9 9 37 37 37 37 191 191 191 191 ...
     $ G              : int  NA NA NA NA NA NA NA NA NA NA ...
     $ H              : int  4 4 4 4 4 4 4 4 4 4 ...
     $ id             : chr [1:680420, 1:4] "9" "9" "37" "37" ...
      ..- attr(*, "dimnames")=List of 2
      .. ..$ : NULL
      .. ..$ : chr  "V1" "V2" "V3" "V4"

任何帮助将不胜感激。

【参考方案1】：

试试

 data$id <- paste(data$F, data$E, data$D, data$C, sep="_")

相反。矢量化代码的美妙之处在于您不需要逐行循环或循环等效的 *apply 函数。

编辑更好的是

 data <- within(data,  id <- paste(F, E, D, C, sep=""))

【讨论】：

哇。那是快速和正确的。看起来我过于复杂了这个过程。我真的想摆脱完全的“循环依赖”，并且仍在学习欣赏矢量化代码。

试试with(data, paste(...)) 更简洁。

正确。甚至within() 作为with() 不那么受欢迎的表亲。相应地修改了我的答案。

这就是within 的不同之处！？！ （为什么不叫with(..., modify=TRUE)？）

如果您奇怪地使用data$id <- paste(data[, c(1)], data[,c(2)]) 怎么办，那么代码并没有达到预期的效果。我在这里缺少什么吗？

【参考方案2】：

使用unite 的tidyr 包：

require(tidyr)
data <- data %>% unite(id, F, E, D, C, sep = '_')

第一个参数是所需的名称，紧接sep - 要连接的列。

【讨论】：

当我需要按组折叠动态向量时，这种方法是唯一一种始终如一的方法mycols <- c("F","E","D","C") data <- data %>% unite_("id", mycols, sep = "_")

【参考方案3】：

stringr::str_c() 或 paste() 都可以。

require(stringr)
data <- within(data, str_c(F,E,D,C, sep="_")

否则

data <- within(data, paste(F,E,D,C, sep="_")

（stringr 在大型数据集上性能更好）

【讨论】：

@the serial downvoter: stringr::str_c 可以使用，没有人这么说。你有什么问题？