从分组 tibble 中的其他列创建唯一值的列表列

Question

我有一个小标题，其中我有一些字符列和一个列表列，其中包含仅在某些行中的附加字符，否则为空白。 每次使用此分析时，字符列的数量可能会发生变化，但命名保持一致 - 它们始终以 C 开头（例如 C1L、C1H 等）。

示例数据集：

exemplar = tibble(group = c(rep("group1", 5), rep("group2",5)),
                  char1 = letters[1:10],
                  char2 = letters[2:11],
                  char3 = letters[3:12],
                  extra = list("",
                               "",
                               "",
                               "",
                               "",
                               list("x","y"),
                               "",
                               "",
                               "",
                               "")
                  )

但在“实时”使用中，可能有 2、4、6 列，但“char#”列有很多。

我正在尝试添加一个列表列，其中包含 char+extra 列中所有唯一值的列表或字符向量。 我可以按行做，但我需要为每个组做。 所需输出示例：

# A tibble: 10 x 6
   group  char1 char2 char3 extra      unique   
   <chr>  <chr> <chr> <chr> <list>     <list>   
 1 group1 a     b     c     <chr [1]>  <chr [7]>
 2 group1 b     c     d     <chr [1]>  <chr [7]>
 3 group1 c     d     e     <chr [1]>  <chr [7]>
 4 group1 d     e     f     <chr [1]>  <chr [7]>
 5 group1 e     f     g     <chr [1]>  <chr [7]>
 6 group2 f     g     h     <list [2]> <chr [9]>
 7 group2 g     h     i     <chr [1]>  <chr [9]>
 8 group2 h     i     j     <chr [1]>  <chr [9]>
 9 group2 i     j     k     <chr [1]>  <chr [9]>
10 group2 j     k     l     <chr [1]>  <chr [9]>

每个“组 1”行在 unique 列中都有 c("a", "b", "c", "d", "e", "f", "g")。 每个 'group 2' 行在unique 中都有 c("f", "g", "h", "i", "j", "k", "l", "x", "y")列。

我尝试过的事情：

> exemplar %>% group_by(group) %>% mutate(unique = unique(select(., starts_with("c"), "extra")))

Adding missing grouping variables: `group`
Error: Problem with `mutate()` input `unique`.
x Input `unique` can/'t be recycled to size 5.

> exemplar %>% 
+   mutate(unique = pmap_chr(
+     .l = select(., starts_with("c"), "extra"),
+     .f = function(...) unique(...)
+   )
+ )

Error: Problem with `mutate()` input `unique`.
x argument "x" is missing, with no default


> exemplar %>% 
+   mutate(unique = pmap_chr(
+     .l = select(., starts_with("c"), "extra"),
+     .f = function(...) unique(...)
+   )
+ )
 Error: Problem with `mutate()` input `unique`.
x argument "x" is missing, with no default

我觉得我完全错过了一个简单的方法来做到这一点 - 我应该更早地取消列出“额外”列吗？鉴于要包含的列数可变，我是否应该创建一个选择向量来使用而不是使用 select(., ...) 就地执行它？我是否需要分几步完成，然后丢弃不需要的列？

Answer 1

我认为以下代码可能会满足您的要求。诀窍是组合来自不同列的值，其中一些包含字符，而另一个包含“列表”。因此，第一步是从两种类型的列中提取信息作为向量（使用c_across(starts_with("c")) 和unlist(extra)）广告将它们组合成一个向量，您可以在该向量上工作。

exemplar %>%
  group_by(group) %>%
  mutate(unique = list( # Makes sure that the new column is a "list"
    unique(             # Get the "unique" values
      c(                # Combine results from two types of columns
        c_across(       # First extract the "char" columns into a vector 
          starts_with("c")),
        unlist(extra))  # Then extract the "extra" column into a vector
    )
  )) %>%
  ungroup()

这个命令的结果如下

# A tibble: 10 × 6
   group  char1 char2 char3 extra      unique    
   <chr>  <chr> <chr> <chr> <list>     <list>    
 1 group1 a     b     c     <chr [1]>  <chr [8]> 
 2 group1 b     c     d     <chr [1]>  <chr [8]> 
 3 group1 c     d     e     <chr [1]>  <chr [8]> 
 4 group1 d     e     f     <chr [1]>  <chr [8]> 
 5 group1 e     f     g     <chr [1]>  <chr [8]> 
 6 group2 f     g     h     <list [2]> <chr [10]>
 7 group2 g     h     i     <chr [1]>  <chr [10]>
 8 group2 h     i     j     <chr [1]>  <chr [10]>
 9 group2 i     j     k     <chr [1]>  <chr [10]>
10 group2 j     k     l     <chr [1]>  <chr [10]>

对于第 1 组，结果是

[[1]]
[1] "a" "b" "c" "d" "e" "f" "g" "" 

对于第 1 组，

[[1]]
 [1] "f" "g" "h" "i" "j" "k" "l" "x" "y" ""