Я надеюсь получить совет специалиста по эффективному способу удаления строк кадра данных в одном столбце (columnA), где есть дублированное значение, и в то же время в создании новой переменной, которая объединяет записи другого столбца (columnB). ) в случаях, когда столбец A имел дубликаты. Ниже я приведу игрушечный кадр данных:
my_df <- data.frame('DateTime' = c('2017/05/05 08:30:00', '2017/05/05 08:30:00',
'2017/05/05 08:30:00', '2017/12/08 08:30:00',
'2018/01/15 18:50:00', '2017/12/20 21:46:00',
'2017/11/12 18:50:00', '2017/11/03 08:30:00',
'2017/11/03 08:30:00', '2017/12/03 08:30:00'),
'Event' = c('A', 'B', 'C', 'A', 'A', 'B', 'C', 'A', 'B', 'A'),
'Var1' = rnorm(10),
stringsAsFactors = FALSE)
В этом столбце данных DateTime находится символьный столбец, и 2017/05/05 08:30:00 появляется 3 раза, а 2017/11/03 08:30:00 - дважды. Моя цель - свернуть строки, в которых есть дубликаты DateTime, и создать новый столбец, объединяющий записи Event. Таким образом, новый столбец, скажем, AllEvents, должен иметь запись A-B-C для строки 2017/05/05 08:30:00. Для строки 2017/11/03 08:30:00 в столбце DateTime значение 1009 * должно иметь значение A-B. Наконец, для всех остальных строк AllEvents должен соответствовать столбцу Event.
Моя попытка кажется очень неуклюжей.
Сначала я извлекаю уникальные значения DateTime, где имеется более одного ввода:
require(dplyr)
duped_datetime <- unique(my_df[duplicated(my_df$DateTime), 'DateTime'])
Затем я подставляю my_df для извлечения записей, в которых есть дубликаты
subset_df <- my_df[my_df$DateTime %in% duped_datetime,]
Далее я создаю функцию, которая объединяет вектор:
my_concat <- function(x){
concat_str <- subset_df %>% filter(DateTime == x) %>%
select(Event) %>%
unlist() %>%
paste(collapse="+")
return(concat_str)
}
Далее я перебираю повторяющиеся даты и применяю функцию my_concat:
named_vc <- sapply(duped_datetime, FUN = my_concat)
Результаты объединяются в новый фрейм данных
new_df <- data.frame('DateTime' = duped_datetime,
'AllEvents' = unname(named_vc),
stringsAsFactors = FALSE)
Результаты объединяются, и final_df очищается для сохранения нужных мне строк и столбцов.
final_df <- left_join(my_df, new_df, by = 'DateTime') %>%
mutate(AllEvents = ifelse(is.na(AllEvents), Event, AllEvents))
final_df <- final_df[!duplicated(final_df$DateTime),]
final_df['Event'] <- NULL
Я получаю результат, который мне нужен, но, как вы видите, код отвратителен. Все это можно сделать в 4-х строках в Python с функциями groupby, apply и lambda, но для меня не сразу очевидно, как правильно выполнить ту же задачу в R.
DateTime Var1 AllEvents
2017/05/05 08:30:00 -0.8350209 A+B+C
2017/12/08 08:30:00 1.1534819 A
2018/01/15 18:50:00 -0.3501990 A
2017/12/20 21:46:00 -0.6664841 B
2017/11/12 18:50:00 1.7142981 C
2017/11/03 08:30:00 -2.0133559 A+B
2017/12/03 08:30:00 -0.6150040 A
Спасибо всем, кто имеет терпение прочитать это.