如何将向量分组到向量列表中？

Question

我有一些看起来像这样的数据（例如假数据）：

dressId        color 
6              yellow 
9              red
10             green 
10             purple 
10             yellow 
12             purple 
12             red 

其中颜色是因子向量。不能保证该因子的所有可能级别都实际出现在数据中（例如，颜色“蓝色”也可能是级别之一）。

我需要一个向量列表，对每件衣服的可用颜色进行分组：

[[1]]
yellow  

[[2]] 
red    

[[3]] 
green purple yellow 

[[4]] 
purple red 

保留裙子的 ID 会很好（例如，一个数据框，此列表是第二列，ID 是第一列），但不是必需的。

我写了一个循环，它遍历数据帧的每一行，当下一个 ID 相同时，它将颜色添加到向量中。 （我确信数据是按 ID 排序的）。当第一列中的 ID 发生变化时，它会将向量添加到列表中：

result <- NULL 
while(blah blah) 
{
    some code which creates the vector called "colors" 
    result[[dressCounter]] <- colors 
    dressCounter <- dressCounter + 1
}

在努力使所有必要的计数变量都正确之后，我沮丧地发现它不起作用。第一次，colors是

[1] yellow
Levels: green yellow purple red blue

它被强制转换成一个整数，所以result 变成了2。

在第二次循环重复中，colors 只包含红色，result 变成了一个简单的整数向量，[1] 2 4。

在第三次重复中，colors 现在是一个向量，

[1] green  purple yellow
Levels: green yellow purple red blue 

我得到了

result[[3]] <- colors

结果错误[[3]] 提供的元素多于替换的元素

我做错了什么？有没有办法初始化result，所以它不会被转换为数字向量，而是成为向量列表？

另外，除了“自己动手”之外，还有其他方法可以做到这一点吗？

Answer 1

split.data.frame 是一个很好的组织方式；然后提取颜色分量。

d <- data.frame(dressId=c(6,9,10,10,10,12,12),
               color=factor(c("yellow","red","green",
                              "purple","yellow",
                              "purple","red"),
                 levels=c("red","orange","yellow",
                          "green","blue","purple")))

我觉得你想要的版本其实是这样的：

ss <- split.data.frame(d,d$dressId)

您可以通过提取颜色分量来获得更像您请求的列表的内容：

lapply(ss,"[[","color")

Answer 2

除了split，您还应该考虑aggregate。使用c 或I 作为聚合函数来获取您的list 列：

out <- aggregate(color ~ dressId, mydf, c)
out
#   dressId                 color
# 1       6                yellow
# 2       9                   red
# 3      10 green, purple, yellow
# 4      12           purple, red
str(out)
# 'data.frame': 4 obs. of  2 variables:
#  $ dressId: int  6 9 10 12
#  $ color  :List of 4
#   ..$ 0: chr "yellow"
#   ..$ 1: chr "red"
#   ..$ 2: chr  "green" "purple" "yellow"
#   ..$ 3: chr  "purple" "red"
out$color
# $`0`
# [1] "yellow"
# 
# $`1`
# [1] "red"
# 
# $`2`
# [1] "green"  "purple" "yellow"
# 
# $`3`
# [1] "purple" "red" 

---

注意：即使“颜色”变量是 factor，这也有效，就像 Ben 的示例数据一样（我在上面发布答案时错过了这一点) 但你需要使用I 作为聚合函数而不是c:

out <- aggregate(color ~ dressId, d, I)
str(out)
# 'data.frame': 4 obs. of  2 variables:
#  $ dressId: num  6 9 10 12
#  $ color  :List of 4
#   ..$ 0: Factor w/ 6 levels "red","orange",..: 3
#   ..$ 1: Factor w/ 6 levels "red","orange",..: 1
#   ..$ 2: Factor w/ 6 levels "red","orange",..: 4 6 3
#   ..$ 3: Factor w/ 6 levels "red","orange",..: 6 1
out$color
# $`0`
# [1] yellow
# Levels: red orange yellow green blue purple
# 
# $`1`
# [1] red
# Levels: red orange yellow green blue purple
# 
# $`2`
# [1] green  purple yellow
# Levels: red orange yellow green blue purple
# 
# $`3`
# [1] purple red   
# Levels: red orange yellow green blue purple

然而，奇怪的是，默认显示显示的是整数值：

out
#   dressId   color
# 1       6       3
# 2       9       1
# 3      10 4, 6, 3
# 4      12    6, 1

Answer 3

假设你的数据框保存在一个名为df的变量中，那么你可以简单地使用group_by和summarize与list函数的dplyr这样的包

library('dplyr')

df %>%
  group_by(dressId) %>%
  summarize(colors = list(color))

应用于您的示例：

df <- tribble(
  ~dressId, ~color,
         6, 'yellow',
         9, 'red',
        10, 'green',
        10, 'purple',
        10, 'yellow',
        12, 'purple',
        12, 'red'
)

df %>%
  group_by(dressId) %>%
  summarize(colors = list(color))

# dressId                colors
#       6                yellow
#       9                   red
#      10 green, purple, yellow
#      12           purple, red

Answer 4

恐怕答案应该有点不同，你应该使用下面的代码来完成请求的行为

df %>%
group_by(dressId) %>%
summarize(colors = toString(unique(color)))