用常数分隔列并将它们压缩为 R data.frame 中的一行答案

【问题标题】：Separate columns with constant numbers and condense them to one row in R data.frame用常数分隔列并将它们压缩为 R data.frame 中的一行
【发布时间】：2020-02-07 03:13:44
【问题描述】：

我有一个名为d 的data.frame。在此 data.frame 中，某些列由跨第一列的行的常量组成：study.name（见下文）。

例如，ESL、ESL.1、prof 和 prof.1 列对于 Shin.Ellis 的所有行都是常量，对于 Trus.Hsu 的所有行也是常量，依此类推。

问： 在BASE R中，如何将这些常量变量分开，然后将它们压缩成一行只有一个数字？

我想要的输出如下所示。功能性答案表示赞赏。

d <- read.csv("https://raw.githubusercontent.com/izeh/m/master/irr.csv", h = T)[-(2:3)]

## FIRST 8 ROWS:

#    study.name ESL prof scope type ESL.1 prof.1 scope.1 type.1
# 1  Shin.Ellis   1    2     1    1     1      2       1      1
# 2  Shin.Ellis   1    2     1    1     1      2       1      1
# 3  Shin.Ellis   1    2     1    2     1      2       1      1
# 4  Shin.Ellis   1    2     1    2     1      2       1      1
# 5  Shin.Ellis   1    2    NA   NA     1      2      NA     NA
# 6  Shin.Ellis   1    2    NA   NA     1      2      NA     NA
# 7    Trus.Hsu   2    2     2    1     2      2       1      1
# 8    Trus.Hsu   2    2    NA   NA     2      2      NA     NA

期望的输出：

#    study.name ESL prof  ESL.1 prof.1 
# 1  Shin.Ellis   1    2      1      2  
# 2  Trus.Hsu     2    2      2      2
# .     .         .    .      .      . # AND SO ON !!!

【问题讨论】：

标签： r function loops dataframe

【解决方案1】：

如果您只想删除所有列中的重复值 unique() is base R

unique(d)

编辑 - 感谢@CalumYou 的澄清 - 我认为这就是 OP 在基础 R 中寻找的内容。

is_constant = lapply(split(d, d$study.name), function(data){
  unlist(lapply(data,function(col){
    length(unique(col)) == 1
  }))
})
is_constant = as.data.frame(do.call(rbind, is_constant))
all_constant = d[,unlist(lapply(is_constant,all))]
all_constant = unique(all_constant)

【讨论】：

这似乎不是 OP 的问题，他们想弄清楚哪些列是按组保持不变的，对于所有组
@CalumYou，谢谢您的回答。这正是我所追求的。

【解决方案2】：

也许我们需要

library(dplyr)
d %>%
   group_by(study.name) %>%
   slice(1)

或者在base R中按'study.name'分组后，获取第一行，同时指定na.action = NULL作为默认选项是na.omit，它可以省略任何列中具有NA的行

aggregate(.~ study.name, d, head, 1, na.action = NULL)

如果我们想对列进行子集化

nm1 <- names(which(!colSums(!do.call(rbind, by(d[-1], d$study.name,
     FUN = function(x) lengths(sapply(x, unique)) == 1)))))
unique(d[c("study.name", nm1)])

【讨论】：

这不只是得到没有 NA 的第一行吗？它不会限制每个组的恒定列

【解决方案3】：

你可以试试这样的东西，虽然感觉有点笨拙。基本上，按组检查所有组的哪些列具有恒定值，仅保留这些列，然后仅保留 unique 值（因为现在它们按组是恒定的）。

d <- read.table(header = TRUE,
text = "study.name ESL prof scope type ESL.1 prof.1 scope.1 type.1
Shin.Ellis   1    2     1    1     1      2       1      1
Shin.Ellis   1    2     1    1     1      2       1      1
Shin.Ellis   1    2     1    2     1      2       1      1
Shin.Ellis   1    2     1    2     1      2       1      1
Shin.Ellis   1    2    NA   NA     1      2      NA     NA
Shin.Ellis   1    2    NA   NA     1      2      NA     NA
  Trus.Hsu   2    2     2    1     2      2       1      1
  Trus.Hsu   2    2    NA   NA     2      2      NA     NA")

is_constant <- function(x) length(unique(x)) == 1L

keep_constants <- function(df, group_col) {
  data_cols <- colnames(df)[setdiff(1:ncol(df), group_col)]
  check_df <- aggregate(df, by = list(df[[group_col]]), FUN = is_constant)
  cols_to_keep <- sapply(check_df[, -1], all)
  unique(df[, cols_to_keep])
}

keep_constants(d, 1)
#>   study.name ESL prof ESL.1 prof.1
#> 1 Shin.Ellis   1    2     1      2
#> 7   Trus.Hsu   2    2     2      2

^{由reprex package (v0.3.0) 于 2019 年 10 月 9 日创建}

【讨论】：

【解决方案4】：

d_list <- lapply(split(d,d$study.name), 
                 #Find columns with similar values using sapply and length(unique(cols)) 
                 #then get the 1st row
                 function(x) x[1, sapply(x,function(y) length(unique(y))==1)])
do.call('rbind.data.frame',d_list)

           study.name ESL prof ESL.1 prof.1
Bit.KnoA     Bit.KnoA   1    3     1      3
Bit.KnoB     Bit.KnoB   1    2     1      2
ChandlerA   ChandlerA   1    2     1      2
Mubarak       Mubarak   2   NA     2     NA
SheenA         SheenA   1    2     1      2
Shin.Ellis Shin.Ellis   1    2     1      2
Sun               Sun   2    2     2      2
Trus.Hsu     Trus.Hsu   2    2     2      2

【讨论】：