如何根据与其他列中的值匹配的行中的值创建新列？

Question

假设我有一个数据框，其中包含一些分类变量和一些字符串值的列。我想创建一个新列，如果分类列中的某些值匹配（或不匹配），则对于每一行，粘贴来自其他行的字符串值。这是一个玩具示例。

toy <- data.frame("id" = c(1,2,3,2), "year" = c(2000,2000,2004,2004), "words" = c("a b", "c d", "e b", "c d"))

如果满足两个条件，我想创建一个从其他行的words 列粘贴的变量word_pool：行的id 值不同于当前行的id 值和行的year value 小于当前行的年份值。

结果应该是

id year words word_pool
1 2000    a b
2 2000    c d
3 2004    e b   a b c d
2 2004    c d       a b

新列的前两行将是空白的，因为在玩具示例中没有少于 2000 年的年份。最后一行将只有“a b”作为新列中的值，因为它的 id 重复了。

我尝试了各种apply 和group_by 方法，但似乎没有一个完全符合要求。将不胜感激任何和所有的想法！

Answer 1

我使用sqldf 和plyr 包来实现解决方案。虽然我不会称这是一个优雅的解决方案，但它确实有效。希望从其他人那里看到更有效的解决方案。

library(sqldf)

toy <- data.frame("id" = c(1,2,3,2), 
                   "year" = c(2000,2000,2004,2004), 
                   "words" = c("a b", "c d", "e b", "c d"))

toy

#  id year words
#1  1 2000   a b
#2  2 2000   c d
#3  3 2004   e b
#4  2 2004   c d

df <- sqldf('SELECT t1.*,t2.words AS word_pool FROM toy t1 LEFT JOIN toy t2 
       ON t1.year > t2.year AND
       t1.words <> t2.words')

df
#  id year words word_pool
#1  1 2000   a b      <NA>
#2  2 2000   c d      <NA>
#3  3 2004   e b       a b
#4  3 2004   e b       c d
#5  2 2004   c d       a b

result <- plyr::ddply(df,c("id","year","words"), 
                      function(dfx)paste(dfx$word_pool, 
                                         collapse = " "))

result
#  id year words      V1
#1  1 2000   a b      NA
#2  2 2000   c d      NA
#3  2 2004   c d     a b
#4  3 2004   e b a b c d

Answer 2

使用 for 和 which，这必须像 apply 一样写，并且不能使用 extern 库

        ## Create data
        toy <-
          data.frame(
            "id" = c(1, 2, 3, 2),
            "year" = c(2000, 2000, 2004, 2004),
            "words" = c("a b", "c d", "e b", "c d")
          )

        toy$word_pool <- 0
        for (i in 1:length(toy)) {
          # Recognize index from condition
          condition_index <- which(toy$year[i] > toy$year
                                        & toy$id[i] != toy$id)
          # assign
          if (length(condition_index) == 0){# case no index
            toy$word_pool[i] = ""
          }
          else{# paste with collapse join array
            toy$word_pool[i] = paste(toy$words[condition_index],
                                     collapse = " ", sep = " ")
          }
        }
        toy
        # id year words word_pool
        # 1  2000   a b          
        # 2  2000   c d          
        # 3  2004   e b   a b c d
        # 2  2004   c d       a b