R中的数据清理：按数字分组，然后按名称分组答案

【问题标题】：Data cleaning in R: grouping by number and then by nameR中的数据清理：按数字分组，然后按名称分组
【发布时间】：2021-04-13 19:44:50
【问题描述】：

我的数据集的一个小样本如下所示：

x <- c(1,2,3,4,1,7,1)
y <- c("A","b","a","F","A",".A.","B")
data <- cbind(x,y)

我的目标是首先将具有相同数字的数据组合在一起，然后将相同名称的数据组合在一起（A、a、.A. 在我的案例中被视为同名）。换句话说，最终的输出应该是这样的：

xnew <- c(1,1,3,7,1,2,4)
ynew <- c("A","A","a",".A.","B","b","F")
datanew <- cbind(xnew,ynew)

目前，我只能在标有 x 的列中按数字分组。我还无法按名称分组。如有任何帮助，我将不胜感激。

注意：我需要一个自动化解决方案，因为我的原始数据集包含超过 10,000 行的 x 和 y 列。

【问题讨论】：

标签： r dplyr tidyr data-cleaning

【解决方案1】：

假设您拥有的是数据框 data <- data.frame(x,y) 而不是使用 cbind 生成的矩阵，您可以使用 fct_collapse 将不同的值组合成一个，然后使用 arrange 这个新列的数据 (@987654325 @) 和 x 值。

library(dplyr)
library(forcats)

data %>%
  mutate(z = fct_collapse(y, 
                          "A" = c('A', '.A.', 'a'), 
                          "B" = c('B', 'b'))) %>%
  arrange(z, x) %>%
  select(-z) -> result

result
#  x   y
#1 1   A
#2 1   A
#3 3   a
#4 7 .A.
#5 1   B
#6 2   b
#7 4   F

或者您可以从y 列中删除所有标点符号，将它们变成大写或小写，然后arrange。

data %>%
  mutate(z = toupper(gsub("[[:punct:]]", "", y))) %>%
  arrange(z, x) %>%
  select(-z) -> result

result

【讨论】：

【解决方案2】：

library(dplyr)

data %>% 
  as.data.frame() %>% 
  group_by(x, y) %>% 
  summarise(records = n()) %>% 
  arrange(x, y)

【讨论】：

似乎不对 - 可能是 arrange(y, x) 而不是 arrange(x, y)？无论如何，@Ronak-Shah 的回答解决了问题

【解决方案3】：

根据您的问题，这只是订购数据的问题。

result <- data[order(data$x, data$y),]

或考虑到您想整理 A 和 .A。

result <- data[order(data$x, toupper(gsub("[^A-Za-z]","",data$y))),]

【讨论】：