问：

我在数据帧中有一堆列，我想将它们粘贴在一起（用“-”分隔），如下所示：

data <- data.frame('a' = 1:3, 
                   'b' = c('a','b','c'), 
                   'c' = c('d', 'e', 'f'), 
                   'd' = c('g', 'h', 'i'))
i.e.     
     a   b   c  d  
     1   a   d   g  
     2   b   e   h  
     3   c   f   i

我想成为：

a x  
1 a-d-g  
2 b-e-h  
3 c-f-i

我通常可以通过以下方式做到这一点：

within(data, x <- paste(b,c,d,sep='-'))

然后删除旧列，但不幸的是，我不知道具体列的名称，只有所有列的统称，例如我会知道cols <- c('b','c','d')

有谁知道一种方法？

粘贴 R-FAQ 咕噜咕噜

答：

125赞 Anthony Damico 1/29/2013 #1

# your starting data..
data <- data.frame('a' = 1:3, 'b' = c('a','b','c'), 'c' = c('d', 'e', 'f'), 'd' = c('g', 'h', 'i')) 

# columns to paste together
cols <- c( 'b' , 'c' , 'd' )

# create a new column `x` with the three columns collapsed together
data$x <- apply( data[ , cols ] , 1 , paste , collapse = "-" )

# remove the unnecessary columns
data <- data[ , !( names( data ) %in% cols ) ]

9赞 baptiste 1/29/2013

无需在这里申请;粘贴是矢量化的，效率更高

2赞 Anthony Damico 1/29/2013

@baptiste ..可能没有？do.call

2赞 baptiste 1/29/2013

当然，例如，您可以使用，但我相信这里是正确的选择。evil(parse(...))do.call

0赞 Clayton Stanley 1/30/2013

Do.call 这里是更好的技术;维护矢量化。

2赞 Anthony Damico 5/13/2014

嗯。。你会如何通过？自？collapse = "-"paste

0赞 user1317221_G 1/29/2013 #2

library(plyr)

ldply(apply(data, 1, function(x) data.frame(
                      x = paste(x[2:4],sep="",collapse="-"))))

#      x
#1 a-d-g
#2 b-e-h
#3 c-f-i

#  and with just the vector of names you have:

ldply(apply(data, 1, function(x) data.frame(
                      x = paste(x[c('b','c','d')],sep="",collapse="-"))))

# or equally:
mynames <-c('b','c','d')
ldply(apply(data, 1, function(x) data.frame(
                      x = paste(x[mynames],sep="",collapse="-"))))

15赞 baptiste 1/29/2013 #3

我将构造一个新的data.frame：

d <- data.frame('a' = 1:3, 'b' = c('a','b','c'), 'c' = c('d', 'e', 'f'), 'd' = c('g', 'h', 'i')) 

cols <- c( 'b' , 'c' , 'd' )

data.frame(a = d[, 'a'], x = do.call(paste, c(d[ , cols], list(sep = '-'))))

0赞 baptiste 1/29/2013

请注意，如果要将除列之外的所有列粘贴在一起，则可能需要使用。d[ , cols]d[ , names(d) != 'a']a

3赞 David Arenburg 10/8/2015

SO 上的规范解决方案之一，我认为您可以将其缩短为，例如避免使用逗号，并且在使用cbind(a = d['a'], x = do.call(paste, c(d[cols], sep = '-')))listdata.framedata.framecbind

57赞 Brian Diggs 1/29/2013 #4

作为 baptiste 答案的变体，定义了您拥有的列，并且要放在一起的列定义在datacols

cols <- c("b", "c", "d")

您可以使用以下命令添加新列和删除旧列data

data$x <- do.call(paste, c(data[cols], sep="-"))
for (co in cols) data[co] <- NULL

这给了

> data
  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

0赞 roschu 2/14/2015

“c（data[cols],...”中缺少逗号吗？像这样：“c（data[，cols],...”

2赞 Brian Diggs 2/15/2015

@roschu 两者都行得通。使用单字符向量索引将是列索引，尽管第一个参数通常是行索引。data.frame

0赞 Ali Khosro 3/5/2017

快速而智能。谢谢

51赞 data_steve 10/8/2015 #5

使用包，这可以在 1 个函数调用中轻松处理。tidyr

data <- data.frame('a' = 1:3, 
                   'b' = c('a','b','c'), 
                   'c' = c('d', 'e', 'f'), 
                   'd' = c('g', 'h', 'i'))

tidyr::unite_(data, paste(colnames(data)[-1], collapse="_"), colnames(data)[-1])

  a b_c_d
1 1 a_d_g
2 2 b_e_h
3 3 c_f_i

编辑：排除第一列，其他所有内容都会被粘贴。

# tidyr_0.6.3

unite(data, newCol, -a) 
# or by column index unite(data, newCol, -1)

#   a newCol
# 1 1  a_d_g
# 2 2  b_e_h
# 3 3  c_f_i

4赞 David Arenburg 10/8/2015

我认为 OP 提到他们事先不知道列名，否则可以按照他们说明的方式做到这一点。within(data, x <- paste(b,c,d,sep='-'))

0赞 Sam Firke 10/8/2015

我同意@DavidArenburg，这并不能解决 OP 的情况。我认为会，或者根据他们的实际 data.frame，也可能是候选者。unite_(data, "b_c_d", cols)unite(data, b_c_d, -a)

10赞 David Arenburg 10/8/2015 #6

只是为了添加额外的解决方案，它可能比慢，但比可能更好，因为它会避免转换。此外，我们可以使用一个循环来删除不需要的列Reducedo.callapplymatrixforsetdiff

cols <- c('b','c','d')
data$x <- Reduce(function(...) paste(..., sep = "-"), data[cols])
data[setdiff(names(data), cols)]
#   a     x
# 1 1 a-d-g
# 2 2 b-e-h
# 3 3 c-f-i

或者，我们可以使用包就地更新（假设是新数据）datadata.table

library(data.table)
setDT(data)[, x := Reduce(function(...) paste(..., sep = "-"), .SD[, mget(cols)])]
data[, (cols) := NULL]
data
#    a     x
# 1: 1 a-d-g
# 2: 2 b-e-h
# 3: 3 c-f-i

另一种选择是 use 而不是 as in.SDcolsmget

setDT(data)[, x := Reduce(function(...) paste(..., sep = "-"), .SD), .SDcols = cols]

8赞 ChristopherTull 11/10/2016 #7

我在一个小样本上对 Anthony Damico、Brian Diggs 和 data_steve 的答案进行了基准测试，得到了以下结果。tbl_df

> data <- data.frame('a' = 1:3, 
+                    'b' = c('a','b','c'), 
+                    'c' = c('d', 'e', 'f'), 
+                    'd' = c('g', 'h', 'i'))
> data <- tbl_df(data)
> cols <- c("b", "c", "d")
> microbenchmark(
+     do.call(paste, c(data[cols], sep="-")),
+     apply( data[ , cols ] , 1 , paste , collapse = "-" ),
+     tidyr::unite_(data, "x", cols, sep="-")$x,
+     times=1000
+ )
Unit: microseconds
                                         expr     min      lq      mean  median       uq       max neval
do.call(paste, c(data[cols], sep = "-"))       65.248  78.380  93.90888  86.177  99.3090   436.220  1000
apply(data[, cols], 1, paste, collapse = "-") 223.239 263.044 313.11977 289.514 338.5520   743.583  1000
tidyr::unite_(data, "x", cols, sep = "-")$x   376.716 448.120 556.65424 501.877 606.9315 11537.846  1000

但是，当我自己用 ~100 万行和 10 列进行评估时，结果却大不相同。tbl_df

> microbenchmark(
+     do.call(paste, c(data[c("a", "b")], sep="-")),
+     apply( data[ , c("a", "b") ] , 1 , paste , collapse = "-" ),
+     tidyr::unite_(data, "c", c("a", "b"), sep="-")$c,
+     times=25
+ )
Unit: milliseconds
                                                       expr        min         lq      mean     median        uq       max neval
do.call(paste, c(data[c("a", "b")], sep="-"))                 930.7208   951.3048  1129.334   997.2744  1066.084  2169.147    25
apply( data[ , c("a", "b") ] , 1 , paste , collapse = "-" )  9368.2800 10948.0124 11678.393 11136.3756 11878.308 17587.617    25
tidyr::unite_(data, "c", c("a", "b"), sep="-")$c              968.5861  1008.4716  1095.886  1035.8348  1082.726  1759.349    25

10赞 Jaap 1/6/2017 #8

在我看来，函数也应该在这些答案中占有一席之地。您可以按如下方式使用：sprintfsprintf

do.call(sprintf, c(d[cols], '%s-%s-%s'))

这给了：

 [1] "a-d-g" "b-e-h" "c-f-i"

要创建所需的数据帧，请执行以下操作：

data.frame(a = d$a, x = do.call(sprintf, c(d[cols], '%s-%s-%s')))

给：

  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

虽然与@BrianDiggs的 / 组合相比没有明显的优势，但当您还想填充所需字符串的某些部分或想要指定位数时，它特别有用。有关几个选项，请参阅。sprintfdo.callpaste?sprintf

另一种变体是使用 from purrr：pmap

pmap(d[2:4], paste, sep = '-')

注意：此解决方案仅在列不是因子时才有效。pmap

较大数据集的基准测试：

# create a larger dataset
d2 <- d[sample(1:3,1e6,TRUE),]
# benchmark
library(microbenchmark)
microbenchmark(
  docp = do.call(paste, c(d2[cols], sep="-")),
  appl = apply( d2[, cols ] , 1 , paste , collapse = "-" ),
  tidr = tidyr::unite_(d2, "x", cols, sep="-")$x,
  docs = do.call(sprintf, c(d2[cols], '%s-%s-%s')),
  times=10)

结果如下：

Unit: milliseconds
 expr       min        lq      mean    median        uq       max neval cld
 docp  214.1786  226.2835  297.1487  241.6150  409.2495  493.5036    10 a  
 appl 3832.3252 4048.9320 4131.6906 4072.4235 4255.1347 4486.9787    10   c
 tidr  206.9326  216.8619  275.4556  252.1381  318.4249  407.9816    10 a  
 docs  413.9073  443.1550  490.6520  453.1635  530.1318  659.8400    10  b

使用的数据：

d <- data.frame(a = 1:3, b = c('a','b','c'), c = c('d','e','f'), d = c('g','h','i'))

1赞 lokxs 12/22/2022

这是我的首选答案，因为 sprintf 允许（像粘贴一样）在每个变量之间插入一个不同的字符串，而不仅仅是像“-”或“_”这样的字符串，所以像 sprintf 一样，c（d2[cols]， '%s （%s）这里的一些其他文本 %s '）

6赞 A5C1D2H2I1M1N2O1R2T1 6/24/2020 #9

这是一种相当非常规（但快速）的方法：使用 from 将列“粘贴”在一起，然后将其读回。为方便起见，我将这些步骤编写为一个名为：fwritedata.tablefreadfpaste

fpaste <- function(dt, sep = ",") {
  x <- tempfile()
  fwrite(dt, file = x, sep = sep, col.names = FALSE)
  fread(x, sep = "\n", header = FALSE)
}

下面是一个示例：

d <- data.frame(a = 1:3, b = c('a','b','c'), c = c('d','e','f'), d = c('g','h','i')) 
cols = c("b", "c", "d")

fpaste(d[cols], "-")
#       V1
# 1: a-d-g
# 2: b-e-h
# 3: c-f-i

它的表现如何？

d2 <- d[sample(1:3,1e6,TRUE),]
  
library(microbenchmark)
microbenchmark(
  docp = do.call(paste, c(d2[cols], sep="-")),
  tidr = tidyr::unite_(d2, "x", cols, sep="-")$x,
  docs = do.call(sprintf, c(d2[cols], '%s-%s-%s')),
  appl = apply( d2[, cols ] , 1 , paste , collapse = "-" ),
  fpaste = fpaste(d2[cols], "-")$V1,
  dt2 = as.data.table(d2)[, x := Reduce(function(...) paste(..., sep = "-"), .SD), .SDcols = cols][],
  times=10)
# Unit: milliseconds
#    expr        min         lq      mean     median         uq       max neval
#    docp  215.34536  217.22102  220.3603  221.44104  223.27224  225.0906    10
#    tidr  215.19907  215.81210  220.7131  220.09636  225.32717  229.6822    10
#    docs  281.16679  285.49786  289.4514  286.68738  290.17249  312.5484    10
#    appl 2816.61899 3106.19944 3259.3924 3266.45186 3401.80291 3804.7263    10
#  fpaste   88.57108   89.67795  101.1524   90.59217   91.76415  197.1555    10
#     dt2  301.95508  310.79082  384.8247  316.29807  383.94993  874.4472    10

0赞 jangorecki 6/24/2020

如果你在虚拟硬盘上写入和读取怎么办？比较会更公平一些。

0赞 A5C1D2H2I1M1N2O1R2T1 6/25/2020

@jangorecki，不确定我是否正确（我从 R 开始），但与这些结果相比，我没有注意到巨大的差异。我也根本没有考虑过用于或查看它如何影响结果的线程数。TMPDIR=/dev/shm Rfreadfwrite

2赞 Rikki Franklin Frederiksen 7/15/2020 #10

我知道这是一个老问题，但我认为无论如何我都应该按照提问者的建议使用 paste（）函数提出简单的解决方案：

data_1<-data.frame(a=data$a,"x"=paste(data$b,data$c,data$d,sep="-")) 
data_1
  a     x
1 1 a-d-g
2 2 b-e-h
3 3 c-f-i

6赞 Ruam Pimentel 4/7/2022 #11

简单明了的代码，来自unite{tidyr} v1.2.0

解决方案`{tidyr v1.2.0}`

library(tidyr)

data %>% unite("x", all_of(cols), remove = T, sep = "-")

"x"是新列的名称。
all_of(cols)是我们要合并的列的选择。使用列名不需要硬编码。<tidy-select>
remove = T我们删除输入列
sep = "-"我们定义值之间的分隔符
如果有，我们还可以添加NAna.rm = TRUE

输出

#   a     x
# 1 1 a-d-g
# 2 2 b-e-h
# 3 3 c-f-i

输入数据

data <- data.frame('a' = 1:3, 
                   'b' = c('a','b','c'), 
                   'c' = c('d', 'e', 'f'), 
                   'd' = c('g', 'h', 'i'))
cols <- c('b','c','d')
data

#   a b c d
# 1 1 a d g
# 2 2 b e h
# 3 3 c f i

*此解决方案与已发布的解决方案不同。

上一个：在 R 编程语言中使用 ~（波浪号）

下一个：为什么 R 的 ifelse 语句不能返回向量？

将多个列粘贴在一起

Paste multiple columns together

评论

评论

评论

评论

评论

评论

评论

解决方案`{tidyr v1.2.0}`

输出

输入数据

将多个列粘贴在一起

Paste multiple columns together

评论

评论

评论

评论

评论

评论

评论

解决方案{tidyr v1.2.0}

输出

输入数据

解决方案`{tidyr v1.2.0}`