Contraer/concatenar/agregar una columna en una sola cadena separada por comas dentro de cada grupo
Quiero agregar una columna en un marco de datos de acuerdo con dos variables de agrupación y separar los valores individuales mediante una coma.
Aquí hay algunos datos:
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
"A" y "B" son variables de agrupación y "C" es la variable que quiero colapsar en una charactercadena separada por comas. Yo he tratado:
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
pero cuando intenté convertir la columna de prueba, characterse vuelve así:
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)
¿ Cómo puedo mantener el characterformato y separarlos por coma? Por ejemplo, la fila 1 debe ser solo "5,7", y no c(5,7).
Aquí hay algunas opciones que usan toString, una función que concatena un vector de cadenas usando comas y espacios para separar componentes. Si no desea comas, puede utilizarlas paste()con el collapseargumento.
tabla de datos
# alternative using data.table
library(data.table)
as.data.table(data)[, toString(C), by = list(A, B)]
agregado Esto no utiliza paquetes:
# alternative using aggregate from the stats package in the core of R
aggregate(C ~., data, toString)
sqldf
Y aquí hay una alternativa que usa la función SQL group_concatusando el paquete sqldf :
library(sqldf)
sqldf("select A, B, group_concat(C) C from data group by A, B", method = "raw")
dplyr Una dplyralternativa:
library(dplyr)
data %>%
group_by(A, B) %>%
summarise(test = toString(C)) %>%
ungroup()
o con versiones más recientes de dplyr
data %>% summarise(test = toString(C), .by = c(A, B))
plyr
# plyr
library(plyr)
ddply(data, .(A,B), summarize, C = toString(C))
Aquí está la solución stringr/ tidyverse:
library(tidyverse)
library(stringr)
data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))
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
Aquí hay una pequeña mejora para evitar duplicados.
# 1. Original data set
data <- data.frame(
A = c(rep(111, 3), rep(222, 3)),
B = rep(1:2, 3),
C = c(5:10))
# 2. Add duplicate row
data <- rbind(data, data.table(
A = 111, B = 1, C = 5
))
# 3. Solution with duplicates
data %>%
group_by(A, B) %>%
summarise(test = toString(C)) %>%
ungroup()
# A B test
# <dbl> <dbl> <chr>
# 1 111 1 5, 7, 5
# 2 111 2 6
# 3 222 1 9
# 4 222 2 8, 10
# 4. Solution without duplicates
data %>%
select(A, B, C) %>% unique() %>%
group_by(A, B) %>%
summarise(test = toString(C)) %>%
ungroup()
# A B test
# <dbl> <dbl> <chr>
# 1 111 1 5, 7
# 2 111 2 6
# 3 222 1 9
# 4 222 2 8, 10
Espero que pueda ser útil.
