如何获得“|”的不同值分隔列？ [复制]答案

【问题标题】：How can I obtain the distinct values for a "|" delimited column? [duplicate]如何获得“|”的不同值分隔列？ [复制]
【发布时间】：2021-08-15 09:49:30
【问题描述】：

我有一个如下所示的数据框：

+--+---------------------------+
|id|grids                      |
+--+---------------------------+
|c1|21257a|75589y|21257a|77589y|
|c2|21257a|21257a|21257a|21257a|
|c3|21257a|75589y|75589y|33421v|

但是，由于网格列下有重复的字符，我想只提取不同的字符，使数据框变成这样：

+--+---------------------------+
|id|grids                      |
+--+---------------------------+
|c1|21257a|75589y              |
|c2|21257a                     |
|c3|21257a|75589y|33421v       |

任何帮助将不胜感激！

【问题讨论】：

标签： r

【解决方案1】：

使用sapply 拆分| 上的字符串，每行仅保留unique 值并粘贴。

df$grids <- sapply(strsplit(df$grids, '|', fixed = TRUE), function(x) 
                   paste0(unique(x), collapse = '|'))

【讨论】：

【解决方案2】：

这是一个基于 R 正则表达式的基础方法：

df$grids <- gsub("\\b(.+?)(?=\\|.*\\1)", "", df$grids, perl=TRUE)
df$grids <- gsub("^\\|+|\\|+$", "", df$grids)
df$grids <- gsub("\\|{2,}", "|", df$grids)
df

  id                grids
1 c1        21257a|75589y
2 c2               21257a
3 c3 21257a|75589y|33421v

数据：

df <- data.frame(id=c("c1", "c2", "c3"),
                 grids=c("21257a|75589y|21257a|75589y",
                         "21257a|21257a|21257a|21257a",
                         "21257a|75589y|75589y|33421v"))

对于正则表达式\b(.+?)(?=\|.*\1) 的解释，它匹配任何管道分隔的术语，我们可以在网格字符串中找到相同的术语稍后。如果是这样，那么我们通过替换为空字符串来剥离它。还有一些清理步骤可以移除可能留下的（或在网格字符串的开头/结尾处）悬空的多个管道。

【讨论】：

【解决方案3】：

使用@Tim 的data

library(tidyverse)
df <- data.frame(id=c("c1", "c2", "c3"),
                 grids=c("21257a|75589y|21257a|75589y",
                         "21257a|21257a|21257a|21257a",
                         "21257a|75589y|75589y|33421v"))
df %>% mutate(grids = map_chr(str_split(grids, '\\|'), 
                              ~paste(unique(.x), collapse = '|')))
#>   id                  grids
#> 1 c1          21257a|75589y
#> 2 c2                 21257a
#> 3 c3   21257a|75589y|33421v

^{由reprex package (v2.0.0) 于 2021 年 5 月 27 日创建}

【讨论】：