使用 if 将重复的行压缩成唯一的行

Question

所以有一种情况：

数据帧：

dat <- data.frame(colA = rep(c(0,1,0), c(6,1,8)), 
                  colB = rep(c(1,0,1,0), c(1,4,1,9)), 
                  colC = rep(c(0,1,0), c(9,1,5)), 
                  colD = rep(c(0,1,0), c(8,1,6)), 
                  colE = rep(0, 15), 
                  color = rep(c("blue","red","yellow"), each=5), 
                  colorId = rep(c(22,40,35), each=5))

colA   colB    colC    colD   colE   color   colorId
0      1       0       0      0      Blue    22
0      0       0       0      0      Blue    22
0      0       0       0      0      Blue    22
0      0       0       0      0      Blue    22
0      0       0       0      0      Blue    22
0      1       0       0      0      Red     40
1      0       0       0      0      Red     40
0      0       0       0      0      Red     40
0      0       0       1      0      Red     40
0      0       1       0      0      Red     40
0      0       0       0      0      Yellow  35
0      0       0       0      0      Yellow  35
0      0       0       0      0      Yellow  35
0      0       0       0      0      Yellow  35
0      0       0       0      0      Yellow  35

最终目标

colNames      color   colorId
colB          Blue    22
colB          Red     40
colA          Red     40
colD          Red     40
colC          Red     40
None          Yellow  35

这是我开始采用的方法，然后我疑惑地质疑自己。下面未显示，我创建了另一列，它使用 rowSums (dat$rowsu

我正在考虑编写一个函数，如果 colorId 重复计数超过 0 个，则保留 rowsu > 0 的任何行，在特殊情况下为黄色，如果它们都是 0 并且整体 rowsu = 0，然后在所有重复项中保留一行，类似于下面的内容。 （如果是这个问题，在编码这部分时会遇到麻烦）

colA   colB    colC    colD   colE   color   colorId
0      1       0       0      0      Blue    22
0      1       0       0      0      Red     40
1      0       0       0      0      Red     40
0      0       0       1      0      Red     40
0      0       1       0      0      Red     40
0      0       0       0      0      Yellow  35

其次，对于后一个用名称创建列的问题，是否还在考虑一个 if 函数，如果它下面有一个 1，则使用 colname 名称将其提取到行名称中？不确定。

Answer 1

data.table-package 的可能解决方案：

library(data.table)
setDT(dat)[, .(colNames = {cs <- colSums(.SD == 1) > 0;
                           if(sum(cs) > 0) names(.SD)[cs] else 'None'})
           , by = .(color, colorId)]

给出：

    color colorId colNames
1:   blue      22     colB
2:    red      40     colA
3:    red      40     colB
4:    red      40     colC
5:    red      40     colD
6: yellow      35     None

这是做什么的：

• setDT(dat) 将 dat 转换为 'data.table'（它是 data.frame 的增强形式）。
• data.tble-syntax 与 dat[i, j, by] (see 1b for an explanation) 类似。在这种情况下，dat 由color 和colorId（by = .(color, colorId)-部分）分组。
• 对于每个组，colSums(.SD == 1) > 0 检查colA 到colE 列是否包含1。生成的逻辑向量临时存储为cs。 .SD 代表 SData 的子集（参见上一点链接下的 2b）。
• 最后，我们检查是否至少有一列有1 和sum(cs) > 0。如果是这种情况，则names(.SD)[cs] 返回相应的列名，如果条件不成立，则返回None。

---

使用tidyverse 中的dplyr，您可以获得相同的结果：

library(dplyr)
dat %>% 
  group_by(color, colorId) %>% 
  do(data.frame(colNames = {cs <- colSums(. == 1) > 0;
                            if(sum(cs) > 0) names(.)[cs] else 'None'}))

Answer 2

这是tidyverse 的一个选项，我们gather 将列'colA' 到'colE' 转换为长格式，按'color'、'colorId' 分组，创建'None' 作为'colNames' @987654323 @所有的“val”都是0。如果需要，获取distinct行和filter对于“val”为1或“colNames”为“无”的行和select感兴趣的列和arrange /p>

library(tidyverse)
dat %>%
    mutate_at(vars(color, colorId), funs(factor(., levels = unique(.)))) %>% 
    gather(colNames, val, colA:colE) %>% 
    group_by(color, colorId) %>% 
    mutate(colNames = if(all(val==0)) "None" else colNames) %>% 
    distinct %>%
    filter(val == 1| colNames == "None") %>% 
    select(colNames, color, colorId) %>%
    arrange(color, colNames)
# A tibble: 6 x 3
# Groups: color, colorId [3]
#  colNames color  colorId
#  <chr>    <fctr> <fctr> 
#1 colB     blue   22     
#2 colA     red    40     
#3 colB     red    40     
#4 colC     red    40     
#5 colD     red    40     
#6 None     yellow 35