[英]Aggregating all unique values of each column of data frame
我有一個大數據框(1616610 行,255 列),我需要根據一個鍵將每列的唯一值粘貼在一起。
例如:
> data = data.frame(a=c(1,1,1,2,2,3),
b=c("apples", "oranges", "apples", "apples", "apples", "grapefruit"),
c=c(12, 22, 22, 45, 67, 28),
d=c("Monday", "Monday", "Monday", "Tuesday", "Wednesday", "Tuesday"))
> data
a b c d
1 1 apples 12 Monday
2 1 oranges 22 Monday
3 1 apples 22 Monday
4 2 apples 45 Tuesday
5 2 apples 67 Wednesday
6 3 grapefruit 28 Tuesday
我需要的是聚合 255 列中的每一個中的每個唯一值,並為每個唯一值返回一個帶有逗號分隔符的新數據框。 像這樣:
a b c d
1 1 apples, oranges 12, 22 Monday
2 2 apples 45, 67 Tuesday, Wednesday
3 3 grapefruit 28 Thursday
我嘗試過使用aggregate
,如下所示:
output <- aggregate(data, by=list(data$a), paste, collapse=", ")
但是對於這種大小的數據框,它太耗費時間(幾個小時),而且我經常不得不一起殺死這個進程。 最重要的是,這將聚合所有值,而不僅僅是唯一值。 有沒有人有任何提示:
1)對於大型數據集如何提高這種聚合的時間
2)然后獲取每個字段的唯一值
順便說一句,這是我關於 SO 的第一篇文章,所以感謝您的耐心等待。
移自評論:
library(data.table)
dt <- as.data.table(data)
dt[, lapply(.SD, function(x) toString(unique(x))), by = a]
給予:
a b c d
1: 1 apples, oranges 12, 22 Monday
2: 2 apples 45, 67 Tuesday, Wednesday
3: 3 grapefruit 28 Tuesday
您可以使用dplyr
執行以下操作
編輯 1
更新的答案消除了使用 summarise_each 引起的棄用警告(從summarise_each
0.7.0 開始)。 這使用summarise
& across
而不是summarise_each
。
library(dplyr)
func_paste <- function(x) paste(unique(x), collapse = ', ')
data %>%
group_by(a) %>%
summarise(across(everything(), func_paste))
# Without "func_paste", using paste directly (from Alistaire's comment).
data %>%
group_by(a) %>%
summarise(across(everything(), ~ paste(unique(.), collapse = ', ')))
## # A tibble: 3 × 4
## a b c d
## <dbl> <chr> <chr> <chr>
## 1 1 apples, oranges 12, 22 Monday
## 2 2 apples 45, 67 Tuesday, Wednesday
## 3 3 grapefruit 28 Tuesday
上一個答案,這將導致不推薦使用的警告(從 dplyr 0.7.0 開始)
func_paste <- function(x) paste(unique(x), collapse = ', ')
data %>%
group_by(a) %>%
summarise_each(funs(func_paste))
## a b c d
## (dbl) (chr) (chr) (chr)
##1 1 apples, oranges 12, 22 Monday
##2 2 apples 45, 67 Tuesday, Wednesday
##3 3 grapefruit 28 Tuesday
# Without "func_paste", using paste directly (from Alistaire's comment).
data %>%
group_by(a) %>%
summarise_each(funs(paste(unique(.), collapse = ', ')))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.