如何对因子或字符变量进行总结？

Question

我希望可以在R中“总结”一个因子变量，以便于每个记录我都知道哪些因子水平是存在的。

以下是一个简化的数据框示例：

df <- data.frame(record= c("a","a","b","c","c","c"),
species = c("COD", "SCE", "COD", "COD","SCE","QSC"))

record species
     a     COD
     a     SCE
     b     COD
     c     COD
     c     SCE
     c     QSC

这是我想要实现的目标：

data.frame(record= c(a,b,c), species = c("COD, SCE", "COD", "COD, SCE, QSC"))

    record       species
        a       COD, SCE
        b            COD
        c  COD, SCE, QSC

这是我能够得到的最接近的结果，但它将每个记录的所有因素级别都放在一起，而不仅仅是应该出现在每个记录中的级别。

summarise(group_by(df, record),
          species = (paste(levels(species), collapse="")))
record   species
   <fctr>   <chr>
      a CODQSCSCE      <- this should be CODSCE
      b CODQSCSCE      <- this should just be COD
      c CODQSCSCE      <- this is correct as CODQSCSCE as it has all levels

tapply 返回相同的结果。

tapply(df$species, df$record, function(x) paste(levels(x), collapse=""))
   a           b           c 
"CODQSCSCE" "CODQSCSCE" "CODQSCSCE" 

我需要找到一种方法，以便确定每个记录中存在哪些物种因素的组合。

- Shep

---

如果对于a，另一行再次在站点上有“COD”，应该选择什么样的解决方案？ COD应该列出一次还是两次？ - Andrew Taylor

Answer 1

使用unique()函数：

library(dplyr)
df %>% 
    group_by(site) %>% 
    summarise(species = paste(unique(species), collapse = ', '))


# A tibble: 3 x 2
    site       species
  <fctr>         <chr>
1      a      COD, SCE
2      b           COD
3      c COD, SCE, QSC

- Andrew Taylor