从字符串中删除重复项

Question

我有以下数据集。

df <- data.frame(
    path = c("a,b,a", 
        "(direct) / (none),   (direct) / (none), google / cpc,    google / cpc", 
        "f,d", 
        "a,c"
    ) 
)

我希望能够删除重复内容，使我的输出变为：

                                                                       path
1:                                                                     a, b
2:                                       (direct) / (none),     google / cpc
3:                                                                     f, d
4:                                                                     a, c

我尝试了这个方法，但是对于第二行没有起作用。

setDT(df)

df$path <- sapply(strsplit(as.character(df$path ), split=","), function(x) {
    paste(unique(x), collapse = ', ')
})

- MFR

---

你走在正确的道路上。尝试使用 split=",\\s*" 去除不必要的空格。此外，如果你打算使用 data.table，请使用适当的语法避免复制：df[,path:=sapply(strsplit(as.character(df$path ), split=",\\s*"), function(x) {paste(unique(x), collapse = ', ')})]。 - nicola

太棒了@nicola，请考虑在下面编写您的答案，然后我可以接受它。 - MFR

很高兴能帮到你。我写了一个答案。 - nicola

Answer 1

您已经接近成功了。唯一需要改进的是您需要使用",\\s*"进行分割，而不仅仅是","。在后一种情况下，调用unique将无法产生所需的输出，因为某些字符串可能因空格数不同而不同。如果您在拆分时删除它们，就可以解决这个问题。

另外，由于您使用了setDT（df），我猜您正在使用data.table。如果是这样，您需要使用适当的data.table语法以避免复制：

df[,path:=sapply(
   strsplit(as.character(df$path ), split=",\\s*"), 
    function(x) {paste(unique(x), collapse = ', ')})]

将通过引用修改path列。

- nicola

Answer 2

看起来你的问题在于第二个字符串中的初始空格。你想保留它吗？如果你愿意放弃它，那么

df$path <- sapply(strsplit(as.character(df$path), split=","), function(x) {
    paste(unique(trimws(x)), collapse = ', ') } )

这是您想要的：

> df$path <- sapply(strsplit(as.character(df$path), split=","), function(x) {
+     paste(unique(trimws(x)), collapse = ', ') } )
> df$path
[1] "a, b"                            "(direct) / (none), google / cpc"
[3] "f, d"                            "a, c"
>

- JWLM

Answer 3

以下代码的基本逻辑：

i）将每行按“，”分割，（ii）删除空格，（iii）取唯一值
(iv) 折叠后再粘贴回“，”

t = apply(df, 1, function(x) paste0(unique(trimws(unlist(strsplit(x,",")))), collapse = ","))
df=data.frame(t)
# df
#                               t
#1                            a,b
#2 (direct) / (none),google / cpc
#3                            f,d
#4                            a,c

- joel.wilson