累积粘贴（连接）由另一个变量分组的值

Question

我在处理R中的数据帧时遇到问题。我想根据另一列中单元格的值将不同行中单元格的内容粘贴到一起。我的问题是我希望输出逐渐（累积）打印。输出向量的长度必须与输入向量的长度相同。这是一个与我正在处理的样本表相似的样本表：id <- c("a", "a", "a", "b", "b", "b")content <- c("A", "B", "A", "B", "C", "B")(testdf <- data.frame(id, content, stringsAsFactors=FALSE))#  id content#1  a       A#2  a       B#3  a       A#4  b       B#5  b       C#6  b       B这就是我希望结果看起来像这样：result <- c("A", "A B", "A B A", "B", "B C", "B C B") result#[1] "A"     "A B"   "A B A" "B"     "B C"   "B C B"我不需要这样的东西：ddply(testdf, .(id), summarize, content_concatenated = paste(content, collapse = " "))#  id content_concatenated#1  a                A B A#2  b                B C B

Answer 1

您可以使用以下命令定义“累积粘贴”功能Reduce：

cumpaste = function(x, .sep = " ") 

          Reduce(function(x1, x2) paste(x1, x2, sep = .sep), x, accumulate = TRUE)

cumpaste(letters[1:3], "; ")

#[1] "a"       "a; b"    "a; b; c"

Reduce的循环避免了从一开始就重新串联元素，因为它通过下一个元素延长了先前的串联。

按组应用：

ave(as.character(testdf$content), testdf$id, FUN = cumpaste)

#[1] "A"     "A B"   "A B A" "B"     "B C"   "B C B"

另一个想法是，可以在开始时依次连接整个向量，然后逐步地substring：

cumpaste2 = function(x, .sep = " ")

{

    concat = paste(x, collapse = .sep)

    substring(concat, 1L, cumsum(c(nchar(x[[1L]]), nchar(x[-1L]) + nchar(.sep))))

}

cumpaste2(letters[1:3], " ;@-")

#[1] "a"           "a ;@-b"      "a ;@-b ;@-c"

这似乎也更快一些：

set.seed(077)

X = replicate(1e3, paste(sample(letters, sample(0:5, 1), TRUE), collapse = ""))

identical(cumpaste(X, " --- "), cumpaste2(X, " --- "))

#[1] TRUE

microbenchmark::microbenchmark(cumpaste(X, " --- "), cumpaste2(X, " --- "), times = 30)

#Unit: milliseconds

#                  expr      min       lq     mean   median       uq      max neval cld

#  cumpaste(X, " --- ") 21.19967 21.82295 26.47899 24.83196 30.34068 39.86275    30   b

# cumpaste2(X, " --- ") 14.41291 14.92378 16.87865 16.03339 18.56703 23.22958    30  a

...使其成为cumpaste_faster。

Answer 2

您也可以尝试 dplyr

 library(dplyr)

 res <- testdf%>%

        mutate(n=row_number()) %>%

        group_by(id) %>%

        mutate(n1=n[1L]) %>%

        rowwise() %>% 

        do(data.frame(cont_concat= paste(content[.$n1:.$n],collapse=" "),stringsAsFactors=F))

 res$cont_concat

 #[1] "A"     "A B"   "A B A" "B"     "B C"   "B C B"

Answer 3

这是ddply一种使用sapply和子集逐步粘贴在一起的方法：

library(plyr)

ddply(testdf, .(id), mutate, content_concatenated = sapply(seq_along(content), function(x) paste(content[seq(x)], collapse = " ")))

  id content content_concatenated

1  a       A                    A

2  a       B                  A B

3  a       A                A B A

4  b       B                    B

5  b       C                  B C

6  b       B                B C B