【R】一对一变为一对多：将列折叠/连接/聚合为每个组（一行）内的字符串?

目录

• 需求
• 实现
  • 方法一
  • 其他方法
    • data.table
    • dplyr
    • aggregate
    • sqldf
  • 延申：不用逗号分隔

需求

原始文件：

data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))
data
#     A B  C
# 1 111 1  5
# 2 111 2  6
# 3 111 1  7
# 4 222 2  8
# 5 222 1  9
# 6 222 2 10

目标文件：

   A B  C
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10

通俗来说就是将一对一的关系折叠变为一对多的关系，中间用分隔符分开。

实现

方法一

library(plyr)
ddply(data, .(A,B), summarise, test = list(C))

    A B  test
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10

查看下类型，折叠的列已变为数字列表。

> str(x)
'data.frame':	4 obs. of  3 variables:
 $ A   : num  111 111 222 222
 $ B   : int  1 2 1 2
 $ test:List of 4
  ..$ : int  5 7
  ..$ : int 6
  ..$ : int 9
  ..$ : int  8 10

如要转变为字符串，直接用as.character不行。

ddply(data, .(A,B), summarise, test = as.character(list(C)))
#     A B     test
# 1 111 1  c(5, 7)
# 2 111 2        6
# 3 222 1        9
# 4 222 2 c(8, 10)

需要用toString函数。

> z=ddply(data, .(A,B), summarize, C = toString(C));z
    A B     C
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10
> str(z)
'data.frame':	4 obs. of  3 variables:
 $ A: num  111 111 222 222
 $ B: int  1 2 1 2
 $ C: chr  "5, 7" "6" "9" "8, 10"

其他方法

data.table

library(data.table)
as.data.table(data)[, toString(C), by = list(A, B)]

dplyr

library(dplyr)
data %>%
  group_by(A, B) %>%
  summarise(test = toString(C)) %>%
  ungroup()

aggregate

aggregate(C ~., data, toString)

sqldf

library(sqldf)
sqldf("select A, B, group_concat(C) C from data group by A, B", method = "raw")

延申：不用逗号分隔

以上方法折叠后，都是默认逗号分隔，若是想用其他分隔符呢？可使用collapse参数指定，如dplyr方法：

data %>%
   group_by(A, B) %>%
   summarize(text = str_c(C, collapse = ";"))

# A tibble: 4 x 3
# Groups:   A [2]
      A     B text
  <dbl> <int> <chr>
1   111     1 5;7
2   111     2 6
3   222     1 9
4   222     2 8;10

Ref: https://stackoverflow.com/questions/15933958/collapse-concatenate-aggregate-a-column-to-a-single-comma-separated-string-w