【问题标题】：How to remove duplicate consecutive text in R separated by : [duplicate]如何删除R中重复的连续文本，由：[重复]
【发布时间】：2018-01-09 13:42:04
【问题描述】：

数据集的样子

  id  agent    final_col
1  1   A:A         A
2  1   A:A         A
3  2     B         B
4  3     C         C
5  4 A:C:C       A:C
6  4 A:C:C       A:C
7  4 A:C:C       A:C

如何删除重复的条目，以便在 R 中拥有像 final_col 这样的干净列？

【问题讨论】：

您想只删除重复项还是重复的连续项？ A:C:A 应该变成 A:C 还是 A:C:A？在第二种情况下，你可以做sapply(agent, function(x){y=unlist(strsplit(x,':'));paste(y[cumsum(rle(y)$length)],collapse=":")})
删除重复，连续或不连续不相关，我相信我需要改写问题。

标签： r

【解决方案1】：

让我们根据df$agent 生成一个新列

df$final_col <- sapply(df$agent, function(txt){ 
    paste(unique(unlist(strsplit(txt, ":"))), collapse=":")
})

对于我们用: 分割的每个元素，选择唯一的元素，然后再次将它们放在一起。

【讨论】：

是来自 base r 的 strsplit，由于某种原因，我无法重现，它说 strsplit 非字符参数中的错误
@ImranAli 因为df$agent 是因素，所以用as.character(df$agent) 包装它。

【解决方案2】：

您可以使用gsub 和正则表达式来做到这一点

gsub("\\b(\\w+)(\\:\\1)+\\b", "\\1", DAT$agent)
[1] "A"   "A"   "B"   "C"   "A:C" "A:C" "A:C"

您的数据

DAT = read.table(text="  id  agent    final_col
1  1   A:A         A
2  1   A:A         A
3  2     B         B
4  3     C         C
5  4 A:C:C       A:C
6  4 A:C:C       A:C
7  4 A:C:C       A:C",
header=TRUE, stringsAsFactors=FALSE)

【讨论】：