0

我有这样的数据： 观察

其中一个用户有一个 user_id 和一堆其他的特征，比如城市和国家，并且还与多个广告商相关联。在这种格式中，与用户关联的每个广告商都有一个行的副本，并且用户的其余功能在具有该 user_id 的每一行中都被复制。我想对 user_ids 进行重复数据删除并将所有 adser_ids 合并为一组，但让所有其他功能保持不变。例如，

我希望将第 2 行和第 3 行组合起来，并使 adser_id 列成为与该用户关联的一组 id，但所有其他功能保持不变。

4

4 回答 4

2

这是一个data.table解决方案：

library(data.table)
#example data
dt = data.table(user_id = c(1,2,2,3), advertiser_id = c(1:4), other_data = c(4:1))
#   user_id advertiser_id other_data
#1:       1             1          4
#2:       2             2          3
#3:       2             3          2
#4:       3             4          1

dt[, advertiser_list := list(list(advertiser_id)), by = user_id][
     # ^^^ first collect advertisers into a list by user_id
     !duplicated(user_id)][, # now select the unique users
     advertiser_id := NULL] -> dt # finally remove the advertiser_id column
dt
#   user_id other_data advertiser_list
#1:       1          4               1
#2:       2          3             2,3
#3:       3          1               4
于 2013-06-10T21:45:15.753 回答
1

从您的描述来看，您似乎只是在寻找aggregate. 考虑以下：

> df = data.frame(user_id = c(1,2,2,3), 
+                 advertiser_id = c(1:4), 
+                 other_data = letters[c(1, 2, 2, 3)])
> df
  user_id advertiser_id other_data
1       1             1          a
2       2             2          b
3       2             3          b
4       3             4          c
> aggregate(advertiser_id ~ . , df, I)
  user_id other_data advertiser_id
1       1          a             1
2       2          b          2, 3
3       3          c             4

上面将“advertiser_id”列转换为list，可以使用str. 这可能很方便，但也可能难以使用，例如，如果您想稍后将输出保存到 csv 文件。

> str(aggregate(advertiser_id ~ . , df, I))
'data.frame':   3 obs. of  3 variables:
 $ user_id      : num  1 2 3
 $ other_data   : Factor w/ 3 levels "a","b","c": 1 2 3
 $ advertiser_id:List of 3
  ..$ 0:Class 'AsIs'  int 1
  ..$ 4:Class 'AsIs'  int [1:2] 2 3
  ..$ 8:Class 'AsIs'  int 4

一种不太灵活的替代方法是将“advertiser_id”列连接为字符串。

> aggregate(advertiser_id ~ . , df, paste, collapse = ", ")
  user_id other_data advertiser_id
1       1          a             1
2       2          b          2, 3
3       3          c             4
> str(aggregate(advertiser_id ~ . , df, paste, collapse = ", "))
'data.frame':   3 obs. of  3 variables:
 $ user_id      : num  1 2 3
 $ other_data   : Factor w/ 3 levels "a","b","c": 1 2 3
 $ advertiser_id: chr  "1" "2, 3" "4"

data.table按照@eddi 的回答，这两者也可以很容易地完成。

于 2013-06-11T02:33:33.123 回答
1

duplicated() 函数返回一个逻辑向量，对于重复的行，该向量等于 TRUE。让我们调用 df 您的数据集，您将使用以下行删除所有重复值：

df <- subset(df, duplicated(df) = TRUE)

如果您想了解更多信息，请参阅R Programming wikibook 。

于 2013-06-10T21:56:24.397 回答
0

如果您假设所有其他列中的用户数据相同，请尝试：

假设df是您的原件data.frane：

#pull add ad_id into one column for each user_id
ad = sapply(unique(df$user_id),function(x){paste(df$advertiser_id[df$user_id==x],collapse=",")}
names(ad) = unique(df$user_id)

#Drop all extra rows
df = df[!duplicated(df[,1]),]

#add a column with combined ad_id
df = cbind(df,ad[df$user_id])
于 2013-06-10T21:38:43.333 回答