使用 dplyr、group_by 和折叠或汇总连接字符串/行，但保持 NA 值 [重复]

Posted 2023-03-24

【中文标题】使用 dplyr、group_by 和折叠或汇总连接字符串/行，但保持 NA 值 [重复]

【英文标题】：Concatenating strings / rows using dplyr, group_by & collapse or summarize, but maintain NA values [duplicate]

【发布时间】：2021-11-16 23:00:13

【问题描述】：

当使用 dplyr、group_by 和折叠或汇总连接字符串时，NA 值将变为字符串 "NA"。如何避免？

请参阅下面的示例：

ID <- c(1,1,2,3)
string <- c(' asfdas ', 'sdf', NA, 'NA')
df <- data.frame(ID, string)

两者，

df_conca <-df%>%
 group_by(ID)%>%
 summarize(string = paste(string, collapse = "; "))%>%
 distinct_all()

和

df_conca <-df%>%
 group_by(ID)%>%
 dplyr::mutate(string = paste(string, collapse = "; "))%>%
 distinct_all()

结果：

     ID string               
1     1 " asfdas ; sdf"
2     2 "NA"           
3     3 "NA" 

，但我想保留 NA 的值：

     ID string             
1     1 " asfdas ; sdf"
2     2 NA           
3     3 "NA" 

理想情况下，我希望留在 dplyr 工作流程中。

【参考方案1】：

我们可以使用stringr 包中的str_c。

library(dplyr)
library(stringr)

df %>%
  group_by(ID)%>%
  summarize(string = str_c(string, collapse = "; "))

#     ID string         
#  <dbl> <chr>          
#1     1 " asfdas ; sdf"
#2     2  NA            
#3     3 "NA"           

【讨论】：

?str_c 的一些相关部分：“每当缺失值与另一个字符串组合时，结果总是会缺失”； “缺少输入会导致缺少输出”。 （也许值得添加到帖子中？）。干杯

@Henrik：当然！我扩展了问题以涵盖这种可能性参见link！寻找解决方案。