累积粘贴（连接）由另一个变量分组的值答案

【问题标题】：Cumulatively paste (concatenate) values grouped by another variable累积粘贴（连接）由另一个变量分组的值
【发布时间】：2021-06-17 09:01:00
【问题描述】：

我在处理 R 中的数据框时遇到问题。我想根据另一列中单元格的值将不同行中的单元格内容粘贴在一起。我的问题是我希望逐步（累积）打印输出。输出向量必须与输入向量具有相同的长度。这是一个类似于我正在处理的样本表：

id <- c("a", "a", "a", "b", "b", "b")
content <- c("A", "B", "A", "B", "C", "B")
(testdf <- data.frame(id, content, stringsAsFactors=FALSE))
#  id content
#1  a       A
#2  a       B
#3  a       A
#4  b       B
#5  b       C
#6  b       B

这是我希望结果看起来像：

result <- c("A", "A B", "A B A", "B", "B C", "B C B") 
result

#[1] "A"     "A B"   "A B A" "B"     "B C"   "B C B"

我不需要这样的东西：

ddply(testdf, .(id), summarize, content_concatenated = paste(content, collapse = " "))

#  id content_concatenated
#1  a                A B A
#2  b                B C B

【问题讨论】：

您想要“累积粘贴”之类的东西。你可以使用Reduce：ave(as.character(testdf$content), testdf$id, FUN = function(x) Reduce(paste, x, acc = T))
@alexis_laz，这是评论框，不是答案框：-)
@alexis_laz：太好了！有效！多谢！万事如意
@AnandaMahto ：我倾向于将其视为“它必须在某处，但我太懒惰搜索”框：P
@alexis_laz，但人们不会阅读 cmets 来寻找答案。因此，除非您要做找到要标记的重复项的工作，否则如果您花 10 秒时间发布答案，让 OP 接受它，并清楚地表明这是一个已解决的问题，这对社区会更有帮助....至少这是我的观点。

标签： r dataframe

【解决方案1】：

对于累积函数，我推荐runner 包和runner 函数，它可以在累积窗口上应用任何算法。它在速度方面无法与@alexis_laz 解决方案竞争，但如果需要特定大小的窗口、滞后或取决于日期的窗口 - 我建议使用 runner。


id <- c("a", "a", "a", "b", "b", "b")
content <- c("A", "B", "A", "B", "C", "B")
testdf <- data.frame(id, content, stringsAsFactors=FALSE)

library(runner)
library(dplyr)
testdf %>%
  group_by(id) %>%
  mutate(
    result = runner(x = content, 
                    f = function(x) paste(x, collapse = " "),
                    type = "character")) # specify output type - by default numeric

更多信息请访问documentation 和vignettes

【讨论】：

【解决方案2】：

使用dplyr 和purrr 的一个选项可能是：

testdf %>%
 group_by(id) %>%
 transmute(content_concatenated = accumulate(content, ~ paste(.x, .y)))

  id    content_concatenated
  <chr> <chr>               
1 a     A                   
2 a     A B                 
3 a     A B A               
4 b     B                   
5 b     B C                 
6 b     B C B

【讨论】：

【解决方案3】：

您可以使用Reduce 定义“累积粘贴”函数：

cumpaste = function(x, .sep = " ") 
          Reduce(function(x1, x2) paste(x1, x2, sep = .sep), x, accumulate = TRUE)

cumpaste(letters[1:3], "; ")
#[1] "a"       "a; b"    "a; b; c"

Reduce 的循环避免了从头开始重新连接元素，因为它通过下一个元素拉长了先前的连接。

按组应用：

ave(as.character(testdf$content), testdf$id, FUN = cumpaste)
#[1] "A"     "A B"   "A B A" "B"     "B C"   "B C B"

另一个想法，可以在开始时连接整个向量，然后逐步连接substring：

cumpaste2 = function(x, .sep = " ")
{
    concat = paste(x, collapse = .sep)
    substring(concat, 1L, cumsum(c(nchar(x[[1L]]), nchar(x[-1L]) + nchar(.sep))))
}
cumpaste2(letters[1:3], " ;@-")
#[1] "a"           "a ;@-b"      "a ;@-b ;@-c"

这似乎也快了一些：

set.seed(077)
X = replicate(1e3, paste(sample(letters, sample(0:5, 1), TRUE), collapse = ""))
identical(cumpaste(X, " --- "), cumpaste2(X, " --- "))
#[1] TRUE
microbenchmark::microbenchmark(cumpaste(X, " --- "), cumpaste2(X, " --- "), times = 30)
#Unit: milliseconds
#                  expr      min       lq     mean   median       uq      max neval cld
#  cumpaste(X, " --- ") 21.19967 21.82295 26.47899 24.83196 30.34068 39.86275    30   b
# cumpaste2(X, " --- ") 14.41291 14.92378 16.87865 16.03339 18.56703 23.22958    30  a

...这使它成为cumpaste_faster。

【讨论】：

Terrible 函数名称，但答案 +1（感谢您对我的 cmets 的支持）:-)
@AnandaMahto ：哈，我知道我必须使用“foo”，但有时你必须按照你看到的那样称呼它:)。（或者，在这种情况下，当你使用它时..）

【解决方案4】：

你也可以试试dplyr

 library(dplyr)
 res <- testdf%>%
        mutate(n=row_number()) %>%
        group_by(id) %>%
        mutate(n1=n[1L]) %>%
        rowwise() %>% 
        do(data.frame(cont_concat= paste(content[.$n1:.$n],collapse=" "),stringsAsFactors=F))

 res$cont_concat
 #[1] "A"     "A B"   "A B A" "B"     "B C"   "B C B"

【讨论】：

这似乎只是因为content 被手动定义为上面的向量。有没有办法在 dplyr 中完成所有这些操作，而不必引用数据框之外的对象？
@ErikShilts 请作为新问题发布

【解决方案5】：

data.table解决方案

library(data.table)
setDT(testdf)[, content2 := sapply(seq_len(.N), function(x) paste(content[seq_len(x)], collapse = " ")), by = id]
testdf

##    id content content2
## 1:  a       A        A
## 2:  a       B      A B
## 3:  a       A    A B A
## 4:  b       B        B
## 5:  b       C      B C
## 6:  b       B    B C B

【讨论】：

最佳和更简单的解决方案！
这太棒了。如果您只想粘贴唯一值，只需在内容前添加 unique。

【解决方案6】：

这是一个 ddply 方法，使用 sapply 和子集以递增地粘贴在一起：

library(plyr)
ddply(testdf, .(id), mutate, content_concatenated = sapply(seq_along(content), function(x) paste(content[seq(x)], collapse = " ")))
  id content content_concatenated
1  a       A                    A
2  a       B                  A B
3  a       A                A B A
4  b       B                    B
5  b       C                  B C
6  b       B                B C B

【讨论】：

您可能想提一下ddply 的来源