r - 将列折叠/连接/聚合为每个组中的单个逗号分隔字符串

Question

我想根据两个分组变量聚合数据框中的一列，并用逗号分隔各个值。

这是一些数据:

data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))
data
#     A B  C
# 1 111 1  5
# 2 111 2  6
# 3 111 1  7
# 4 222 2  8
# 5 222 1  9
# 6 222 2 10    

“A”和“B”是分组变量，“C”是我想要折叠成逗号分隔的字符字符串的变量。我尝试过:

library(plyr)
ddply(data, .(A,B), summarise, test = list(C))

    A B  test
1 111 1  5, 7
2 111 2     6
3 222 1     9
4 222 2 8, 10

但是当我尝试将测试列转换为字符时，它变成这样:

ddply(data, .(A,B), summarise, test = as.character(list(C)))
#     A B     test
# 1 111 1  c(5, 7)
# 2 111 2        6
# 3 222 1        9
# 4 222 2 c(8, 10)

如何保留字符格式并用逗号分隔它们？例如，第 1 行应该仅为 "5,7"，而不是 c(5,7)。

Answer 1

这里有一些使用 toString 的选项，该函数使用逗号和空格来连接字符串向量来分隔组件。如果您不需要逗号，可以将 paste() 与 collapse 参数结合使用。

数据表

# alternative using data.table
library(data.table)
as.data.table(data)[, toString(C), by = list(A, B)]

聚合这不使用包:

# alternative using aggregate from the stats package in the core of R
aggregate(C ~., data, toString)

sqldf

这里是使用 SQL 函数 group_concat 的替代方案，使用 sqldf package :

library(sqldf)
sqldf("select A, B, group_concat(C) C from data group by A, B", method = "raw")

dplyr dplyr 替代方案:

library(dplyr)
data %>%
  group_by(A, B) %>%
  summarise(test = toString(C)) %>%
  ungroup()

或使用更新版本的 dplyr

data %>%  summarise(test = toString(C), .by = c(A, B))

plyr

# plyr
library(plyr)
ddply(data, .(A,B), summarize, C = toString(C))