एक साथ कई कॉलम चिपकाएं

Question 1

मेरे पास एक डेटाफ़्रेम में कॉलम का एक गुच्छा है जिसे मैं एक साथ चिपकाना चाहता हूं ("-" द्वारा अलग किया गया) निम्नानुसार है:

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

जो मैं बनना चाहता हूँ:

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

मैं सामान्य रूप से ऐसा कर सकता था:

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

और फिर पुराने स्तंभों को हटाना, लेकिन दुर्भाग्य से मुझे विशेष रूप से स्तंभों के नाम नहीं पता हैं, सभी कॉलमों के लिए केवल एक सामूहिक नाम, जैसे कि मुझे पता होगा कि cols <- c('b','c','d')

किसी को भी यह करने का एक तरीका पता है?

Question 2

# 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 ) ]

Question 3

पर एक प्रकार के रूप में बैप्टिस्ट के जवाब , साथ dataऔर परिभाषित आपके पास के रूप में कॉलम है कि आप एक साथ रखा में परिभाषित करना चाहते हैंcols

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

आप नए कॉलम को जोड़ सकते हैं dataऔर पुराने वाले को हटा सकते हैं

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

जो देता है

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

Question 4

tidyrपैकेज का उपयोग करते हुए , इसे 1 फ़ंक्शन कॉल में आसानी से नियंत्रित किया जा सकता है।

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

संपादित करें: पहले कॉलम को छोड़कर, बाकी सब कुछ चिपकाया जाता है।

# 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

Question 5

मैं एक नया data.frame का निर्माण करूँगा:

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 = '-'))))

Question 6

बस अतिरिक्त समाधान जोड़ने के लिए Reduceजिसके साथ संभवतः धीमी है, do.callलेकिन जांच से बेहतर है applyक्योंकि यह matrixरूपांतरण से बच जाएगा । इसके अलावा, forलूप के बजाय हम setdiffअवांछित कॉलम को हटाने के लिए उपयोग कर सकते हैं

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

वैकल्पिक रूप से हम पैकेज dataका उपयोग कर data.table(ताजा डेटा मानकर) अपडेट कर सकते हैं

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

एक और विकल्प के .SDcolsबजाय के mgetरूप में उपयोग करने के लिए है

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

Question 7

मैंने एंथोनी डैमिको, ब्रायन डिग्स और डेटा_स्टेव के जवाबों को एक छोटे नमूने पर बेंच दिया tbl_dfऔर निम्नलिखित परिणाम प्राप्त किए।

> 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

हालाँकि, जब मैंने tbl_df~ 1 मिलियन पंक्तियों और 10 कॉलमों के साथ अपने आप का मूल्यांकन किया तो परिणाम काफी भिन्न थे।

> 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

Question 8

मेरी राय में sprintf-function इन जवाबों के बीच भी एक जगह के हकदार हैं। आप sprintfनिम्नानुसार उपयोग कर सकते हैं :

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

जो देता है:

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

और आवश्यक डेटाफ़्रेम बनाने के लिए:

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

दे रही है:

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

हालाँकि @BrianDiggs sprintfके do.call/ pasteसंयोजन पर कोई स्पष्ट लाभ नहीं है , यह विशेष रूप से उपयोगी है जब आप वांछित स्ट्रिंग के कुछ भागों को पैड करना चाहते हैं या जब आप अंकों की संख्या निर्दिष्ट करना चाहते हैं। ?sprintfकई विकल्पों के लिए देखें ।

एक अन्य संस्करण से उपयोग pmapकिया जाएगाpurrr:

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

नोट: यह pmapसमाधान केवल तब काम करता है जब स्तंभ कारक नहीं होते हैं।

बड़े डेटासेट पर एक बेंचमार्क:

# 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)

का परिणाम:

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

प्रयुक्त डेटा:

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

Question 9

यहाँ एक काफी अपरंपरागत (लेकिन तेजी से) दृष्टिकोण है: उपयोग fwriteसे data.tableकरने के लिए एक साथ "पेस्ट" कॉलम, और freadउस में वापस पढ़ने के लिए सुविधा के लिए, मैं एक समारोह के रूप में कहा जाता है चरणों में लिखा है। fpaste:

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

यहाँ एक उदाहरण है:

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

यह कैसा प्रदर्शन करता है?

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

Question 10

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="-"))))

Question 11

मुझे पता है कि यह एक पुराना प्रश्न है, लेकिन मैंने सोचा कि मुझे वैसे भी पेस्ट () फ़ंक्शन का उपयोग करके सरल समाधान प्रस्तुत करना चाहिए जैसा कि प्रश्नकर्ता द्वारा सुझाया गया है:

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