从R中的特定列中删除单元格中的重复项？答案

【问题标题】：Remove duplicates in cells from specific columns in R?从R中的特定列中删除单元格中的重复项？
【发布时间】：2021-07-01 08:46:00
【问题描述】：

我有一个包含重复字符或数字的数据框。我想创建一个新的 df ，它只在这些列中的每一列中包含唯一的单元格。下面是我想要实现的目标的视觉效果。任何想法都将受到高度赞赏。

【问题讨论】：

请提供一个可重现的最小示例：请参见此处：stackoverflow.com/help/minimal-reproducible-example>
使用包dplyr的函数distinct。
谢谢马科斯。但是，如何在特定列中使用 distinct 来保持该行的每个单元格中的唯一结果？
请提供minimal reproducible example

标签： r unique rows bioinformatics numeric

【解决方案1】：

这样做。使用 df created by ChrisRuehlemann

library(tidyverse)
df %>% mutate(across(everything(), ~str_split(., ",")),
              across(everything(), ~map(., ~unique(.x))))
               Title   Length    Prediction
1             George 555, 666           111
2 Kate, Alice, Peter 123, 444 222, 333, 777

或单线

mutate(df, across(everything(), ~map(str_split(., ","), ~unique(.x))))

               Title   Length    Prediction
1             George 555, 666           111
2 Kate, Alice, Peter 123, 444 222, 333, 777

【讨论】：

非常感谢！使用此解决方案时的唯一问题是它以 c("", "", "") 的格式为具有不同值的行提供它，例如在它之前是：765、765、837、837、837 , 762, 762 然后在您建议的代码之后变成： c("765", "837", "762")
您有什么建议可以解决，不要以这种格式包含它吗？
这个可以解决。请给出示例数据而不是图像。

【解决方案2】：

这是一个正则表达式解决方案（基于在没有可重现数据的情况下的模拟数据）：

library(stringr)
df[,1:3] <- lapply(df[,1:3], function(x) str_extract_all(x, "(\\b\\w+\\b)(?!.*\\1)"))

解决方案采用负前瞻 ((?!...)) 和反向引用 (\\1)：模式 (\\b\\w+\\b)(?!.*\\1) 用于 str_extract_all 字母数字字符串除非它们在字符串后面重复 ，它有效地捕获了所有唯一值：

结果：

df
               Title   Length    Prediction
1             George 555, 666           111
2 Alice, Peter, Kate 123, 444 333, 777, 222

数据：

df <- data.frame(
  Title = c("George,George,George", "Kate,Alice,Kate,Peter,Kate"),
  Length = c("555,555,666", "123,123,444,123,444"), 
  Prediction = c("111,111,111", "222,333,222,777,222"), stringsAsFactors = F)

【讨论】：