代码之家 › 专栏 › 技术社区 › Ankhnesmerira

列出data.frames的列表列并选择唯一值

rbindlist aggregate data.table list r

2

Ankhnesmerira · 技术社区 · 7 年前

我有一个data.table'dt',其中有一个列('col2'),它是一个数据帧列表:

require(data.table)
DT <- data.table(col1 = c('A','A','B'),
                 col2 = list(data.frame(colA = c(1,3,54, 23), 
                                        colB = c("aa", "bb", "cc", "hh")),
                             data.frame(colA =c(23, 1),
                                       colB = c("hh", "aa")), 
                             data.frame(colA = 1,
                                       colB = "aa")))

> DT
   col1         col2
1:    A <data.frame>
2:    A <data.frame>
3:    B <data.frame>

>> DT$col2
[[1]]
  colA colB
1    1   aa
2    3   bb
3   54   cc
4   23   hh

[[2]]
  colA colB
1   23   hh
2    1   aa

[[3]]
  colA colB
1    1   aa

col2中的每个data.frame都有两列cola和colb。我想要一个data.table输出来绑定每个 独特的 这些数据的行。帧基于dt的col1。我想这就像用 rbindlist 在data.table的聚合函数中。

这是所需的输出:

> #desired output
> output
   colA colB col1
1:    1   aa    A
2:    3   bb    A
3:   54   cc    A
4:   23   hh    A
5:    1   aa    B

dt第二行的数据帧( DT[2, col2] )具有重复项,并且每个唯一col1只需要唯一项。

我试了一下,结果出错了。

desired_output <- DT[, lapply(col2, function(x) unique(rbindlist(x))), by = col1]
# Error in rbindlist(x) : 
#   Item 1 of list input is not a data.frame, data.table or list

这是“有效的”,尽管不是期望的输出:

unique(rbindlist(DT$col2))
   colA colB
1:    1   aa
2:    3   bb
3:   54   cc
4:   23   hh

有什么用的吗 滚动列表 在data.table的聚合函数中?

4 回复 | 直到 7 年前

1

5

Henrik plannapus 7 年前

集团 by “col1”,运行 rbindlist 在“col2”上:

unique(DT[ , rbindlist(col2), by = col1]) # trimmed thanks to @snoram
#    col1 colA colB
# 1:    A    1   aa
# 2:    A    3   bb
# 3:    A   54   cc
# 4:    A   23   hh
# 5:    B    1   aa

2

Frank 7 年前

每个唯一项只需要唯一项 col1

如果为添加列 列1 ,上面的表达式表示“唯一条目”(列上无条件)。

亨里克的回答是 列1 是的。另一个是:

unique(DT[, rbindlist(setNames(col2, col1), id="col1")])

我想这应该比

bycols = "col1"
unique(DT[, rbindlist(col2), by=bycols])   # Henrik's

尽管扩展到(1) 列1 不是字符列(因此适合 setNames )或(2)有多个 by= 柱子不是那么明显。不管是哪种情况,我都会 .id 列等于行数 DT 然后复制过来:

bycols = "col1"
res = unique(DT[, rbindlist(col2, id="DT_row")])
res[, (bycols) := DT[DT_row, ..bycols]]

我想把那些列放在第一位/最左边 setcolorder(res, bycols) 应该可以,但我使用的data.table版本太旧,无法看到它这样做。

还有 an open issue 为了一个 tidyr::unnest 类函数。

3

1

Rohit 7 年前

这是有效的:

DT1<-apply(DT, 1, function(x){cbind(col1=x$col1,x$col2)})
unique(rbindlist(DT1))
#   col1 colA colB
#1:    A    1   aa
#2:    A    3   bb
#3:    A   54   cc
#4:    A   23   hh
#5:    B    1   aa

4

1

s_baldur 7 年前

你可以这样做:

nDT <- cbind(rbindlist(DT[[2]]), col1 = rep(DT[[1]], sapply(DT[[2]], nrow)))
nDT[!duplicated(nDT)]
   colA colB col1
1:    1   aa    A
2:    3   bb    A
3:   54   cc    A
4:   23   hh    A
5:    1   aa    B

或者使用tidyr(受pkumar评论的启发):

unique(tidyr::unnest(DT))

或更通用的基r:

names(DT[[2]]) <- DT[[1]]
ndf <- do.call(rbind, DT[[2]])
ndf$col1 <- substr(row.names(ndf), 1, 1)
unique(ndf)