R 將多行折疊為 1 行 - 相同的列

Question

這是我昨晚回答的一個問題的附帶支持，因為我正在重新考慮我想如何格式化我的數據。 我確實進行了搜索，但找不到任何適用的答案； 我可能正在用錯誤的術語進行搜索。

我有一個包含許多行的數據表，我想合並這些行：

record_numb <- c(1,1,1,2,2,2)
col_a <- c(123,'','',987,'','')
col_b <- c('','234','','','765','')
col_c <- c('','','543','','','543')
df <- data.frame(record_numb,col_a,col_b,col_c)
library(data.table)
setDT(df)

record_numb    col_a    col_b     col_c
1               123
1                       234
1                                 345
2               987
2                       765
2                               543

每行將始終填充 col_a、col_b 或 col_c。 它永遠不會超過這 3 個中的 1 個。 我想將（？）這些轉換為每條記錄的一行，所以它看起來像這樣：

record_numb     col_a   col_b   col_c
1               123     234     345
2               987     765     543

我玩了一點融化/鑄造，但我是 R 的新手，我的一半問題是知道可以使用什么。 有很多東西可以使用，我希望你們中的一個人可以指出一個包或功能。 我進行的搜索指向我熔化和鑄造等，但我無法將其應用於這種情況。 我願意使用任何函數或包。

Answer 1

正如您建議您在評論中使用data.table解決方案一樣，您可以使用

library(data.table)
df <- data.table(record_numb,col_a,col_b,col_c)

df[, lapply(.SD, paste0, collapse=""), by=record_numb]
   record_numb col_a col_b col_c
1:           1   123   234   543
2:           2   987   765   543

.SD基本上說，“獲取我的 data.table 中的所有變量”，除了 by 參數中的變量。 在.SDcols的回答中，他使用.SDcols減少了變量.SDcols 。 如果您想將變量轉換為數字，您仍然可以在一行中執行此操作。 這是一個鏈接方法。

df[, lapply(.SD, paste0, collapse=""), by=record_numb][, lapply(.SD, as.integer)]

第二個“鏈”將所有變量轉換為整數。

Answer 2

您可以將形狀重新調整為長格式，刪除空白條目，然后返回寬格式：

res <- dcast(melt(df, id.vars = "record_numb")[ value != "" ], record_numb ~ variable)

   record_numb col_a col_b col_c
1:           1   123   234   543
2:           2   987   765   543

起初使用 magrittr 時，您可能會發現它更具可讀性：

library(magrittr)
res = df %>% 
  melt(id.vars = "record_numb") %>% 
  .[ value != "" ] %>% 
  dcast(record_numb ~ variable)

數字仍然格式化為字符串，但您可以使用...

cols = setdiff(names(res), "record_numb")
res[, (cols) := lapply(.SD, type.convert), .SDcols = cols]

類型轉換會將每一列更改為它看起來應該是的任何類（數字、整數等）。 見?type.convert 。

Answer 3

只需這樣做：

df = df %>% group_by(record_numb) %>%
    summarise(col_a = sum(col_a, na.rm = T),
    col_b = sum(col_b, na.rm = T), 
    col_c = sum(col_c, na.rm = T))

.... 代替“總和”，您可以使用最小值、最大值或其他任何值。