在R中合并重复的数据框数值

Question

我有一个非常长的数据框，其中近56列中的1列具有许多不同的值，而其余数据则随第一列ID更改。这里有个例子：

ID  chrom   left    right   ref_seq var_type    zygosity    transcript_name
0   chr1    1590327 1590328 a       SNP         Hom         NM_033486
0   chr1    1590327 1590328 a       SNP         Hom         NM_033487
0   chr1    1590327 1590328 a       SNP         Hom         NM_033488
0   chr1    1590327 1590328 a       SNP         Hom         NM_033489
0   chr1    1590327 1590328 a       SNP         Hom         NM_033492
0   chr1    1590327 1590328 a       SNP         Hom         NM_033493
1   chr1    1590526 1590527 g       SNP         Hom         NM_033486
1   chr1    1590526 1590527 g       SNP         Hom         NM_033487
1   chr1    1590526 1590527 g       SNP         Hom         NM_033488
1   chr1    1590526 1590527 g       SNP         Hom         NM_033489
1   chr1    1590526 1590527 g       SNP         Hom         NM_033492

期望的结果是将任何重复的值连接成逗号分隔的字符串，但仅保留一次ID，如下所示。

ID  chrom   left    right   ref_seq var_type    zygosity    transcript_name
0   chr1    1590327 1590328 a       SNP         Hom         NM_033486NM_033487,NM_033488,NM_033489,NM_033492,NM_033493
1   chr1    1590526 1590527 g       SNP         Hom         NM_033486,NM_033487,NM_033488,NM_033489,NM_033492

我已经搜索了类似的问题，但以下解决方案到目前为止都没有起作用；相反，它们给我返回了一个零行数据框。

- civy

---

为什么你得到了全部为0的结果？你能展示一下你的脚本吗？ - Sotos

以下代码对我有效，假设您的工作数据框与提供的相同。df2 <- aggregate(df[,8], df[,-8], FUN = function(X) paste(unique(X), collapse=", ")) - Dave Gruenewald

Answer 1

另一个使用基本R的解决方案

aggregate(data=df,transcript_name~.,FUN=paste,collapse=",")

感谢@Sotos和@LyzandeR提供的collapse功能。

- user2100721

---

您还需要“折叠”。 - Sotos

使用 str(aggregate(data=df,transcript_name~.,FUN=paste))，你会看到差异。 - LyzandeR

或者更好的是，保存两个版本df1 <- aggregate(...paste)和df2 <- aggregate(...paste, collapse = ',')并View结果。 - Sotos

你可以直接使用 toString。 - talat

@LyzandeR和Sotos Ok。我明白了。谢谢。 - user2100721

Answer 2

使用 data.table 的一种方法：

library(data.table)
#setDT will convert the data.frame into data.table
#.SD gives you access to the groups of data.tables created by the 'by' argument
setDT(df)[, list(transcript_name = paste(transcript_name, collapse = ', ')), 
            by = c('ID', 'chrom', 'left', 'right', 'ref_seq', 'var_type', 'zygosity')]
#   ID chrom    left   right ref_seq var_type zygosity                                                  transcript_name
#1:  0  chr1 1590327 1590328       a      SNP      Hom NM_033486, NM_033487, NM_033488, NM_033489, NM_033492, NM_033493
#2:  1  chr1 1590526 1590527       g      SNP      Hom            NM_033486, NM_033487, NM_033488, NM_033489, NM_033492

数据

df <- read.table(header = TRUE, text = 'ID  chrom   left    right   ref_seq var_type    zygosity    transcript_name
0   chr1    1590327 1590328 a   SNP Hom NM_033486
                 0   chr1    1590327 1590328 a   SNP Hom NM_033487
                 0   chr1    1590327 1590328 a   SNP Hom NM_033488
                 0   chr1    1590327 1590328 a   SNP Hom NM_033489
                 0   chr1    1590327 1590328 a   SNP Hom NM_033492
                 0   chr1    1590327 1590328 a   SNP Hom NM_033493
                 1   chr1    1590526 1590527 g   SNP Hom NM_033486
                 1   chr1    1590526 1590527 g   SNP Hom NM_033487
                 1   chr1    1590526 1590527 g   SNP Hom NM_033488
                 1   chr1    1590526 1590527 g   SNP Hom NM_033489
                 1   chr1    1590526 1590527 g   SNP Hom NM_033492')

- LyzandeR

---

是啊，这是我通常过度复杂化事情的方式 :P。感谢大家的评论/编辑。@docendodiscimus - LyzandeR