Je veux agréger une colonne dans un bloc de données selon deux variables de regroupement et séparer les valeurs individuelles par une virgule.
Voici quelques données:
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" et "B" sont des variables de regroupement, et "C" est la variable que je veux réduire en une chaîne character
séparée par des virgules. J'ai essayé:
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
mais quand j'ai essayé de convertir la colonne de test en character
, cela devient comme ceci:
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)
Comment conserver le format character
et les séparer par une virgule? Par exemple, la ligne 1 ne doit être que "5,7"
, et non pas comme c (5,7).
Voici quelques options utilisant toString
, une fonction utilitaire de Nice qui concatène les chaînes avec des virgules. Si vous ne voulez pas de virgules, vous pouvez utiliser paste()
avec l'argument collapse
à la place.
data.table
# alternative using data.table
library(data.table)
as.data.table(data)[, toString(C), by = list(A, B)]
agrégat Ceci n'utilise aucun paquet:
# alternative using aggregate from the stats package in the core of R
aggregate(C ~., data, toString)
sqldf
Et voici une alternative en utilisant la fonction SQL group_concat
en utilisant package sqldf :
library(sqldf)
sqldf("select A, B, group_concat(C) C from data group by A, B", method = "raw")
dplyr Une alternative dplyr
:
library(dplyr)
data %>%
group_by(A, B) %>%
summarise(test = toString(C)) %>%
ungroup()
plyr
# plyr
library(plyr)
ddply(data, .(A,B), summarize, C = toString(C))
Changez où vous mettez as.character
:
> out <- ddply(data, .(A, B), summarise, test = list(as.character(C)))
> str(out)
'data.frame': 4 obs. of 3 variables:
$ A : num 111 111 222 222
$ B : int 1 2 1 2
$ test:List of 4
..$ : chr "5" "7"
..$ : chr "6"
..$ : chr "9"
..$ : chr "8" "10"
> out
A B test
1 111 1 5, 7
2 111 2 6
3 222 1 9
4 222 2 8, 10
Notez cependant que chaque élément est toujours en fait un caractère distinct, pas une chaîne de caractères unique. Autrement dit, ce n'est pas une chaîne réelle qui ressemble à "5, 7", mais plutôt deux caractères, "5" et "7", que R affiche avec une virgule entre eux.
Comparez avec ce qui suit:
> out2 <- ddply(data, .(A, B), summarise, test = paste(C, collapse = ", "))
> str(out2)
'data.frame': 4 obs. of 3 variables:
$ A : num 111 111 222 222
$ B : int 1 2 1 2
$ test: chr "5, 7" "6" "9" "8, 10"
> out
A B test
1 111 1 5, 7
2 111 2 6
3 222 1 9
4 222 2 8, 10
La solution comparable dans la base R est, bien sûr, aggregate
:
> A1 <- aggregate(C ~ A + B, data, function(x) c(as.character(x)))
> str(A1)
'data.frame': 4 obs. of 3 variables:
$ A: num 111 222 111 222
$ B: int 1 1 2 2
$ C:List of 4
..$ 0: chr "5" "7"
..$ 1: chr "9"
..$ 2: chr "6"
..$ 3: chr "8" "10"
> A2 <- aggregate(C ~ A + B, data, paste, collapse = ", ")
> str(A2)
'data.frame': 4 obs. of 3 variables:
$ A: num 111 222 111 222
$ B: int 1 1 2 2
$ C: chr "5, 7" "9" "6" "8, 10"
Voici la solution stringr
/tidyverse
:
library(tidyverse)
library(stringr)
data <- data.frame(A = c(rep(111, 3), rep(222, 3)), B = rep(1:2, 3), C = c(5:10))
data %>%
group_by(A, B) %>%
summarize(text = str_c(C, collapse = ", "))
# A tibble: 4 x 3
# Groups: A [2]
A B test
<dbl> <int> <chr>
1 111 1 5, 7
2 111 2 6
3 222 1 9
4 222 2 8, 10