R中的数据清理:先按编号分组，再按名称分组

Question

我的数据集的一个小样本如下所示：

x <- c(1,2,3,4,1,7,1)
y <- c("A","b","a","F","A",".A.","B")
data <- cbind(x,y)

我的目标是首先将具有相同编号的数据分组在一起，然后再将相同的名称组合在一起(A，a，.A。在我的案例中被视为相同的名称)。换句话说，最终的输出应该是这样的：

xnew <- c(1,1,3,7,1,2,4)
ynew <- c("A","A","a",".A.","B","b","F")
datanew <- cbind(xnew,ynew)

目前，我只能在标签为x的列中按数字分组。我还不能按名称分组。如果能得到任何帮助，我将不胜感激。

注意:我需要一个自动化的解决方案，因为我的原始数据集包含超过10,000行的x和y列。

Answer 1

假设您拥有的是一个数据帧data <- data.frame(x,y)，而不是使用cbind生成的矩阵，您可以使用fct_collapse将不同的值组合成一个，然后通过这个新的列(z)和x值对数据进行arrange。

library(dplyr)
library(forcats)

data %>%
  mutate(z = fct_collapse(y, 
                          "A" = c('A', '.A.', 'a'), 
                          "B" = c('B', 'b'))) %>%
  arrange(z, x) %>%
  select(-z) -> result

result
#  x   y
#1 1   A
#2 1   A
#3 3   a
#4 7 .A.
#5 1   B
#6 2   b
#7 4   F

或者，您可以从y列中删除所有标点符号，将它们转换为大写或小写，然后使用arrange。

data %>%
  mutate(z = toupper(gsub("[[:punct:]]", "", y))) %>%
  arrange(z, x) %>%
  select(-z) -> result

result

Answer 2

library(dplyr)

data %>% 
  as.data.frame() %>% 
  group_by(x, y) %>% 
  summarise(records = n()) %>% 
  arrange(x, y)

Answer 3

根据你的问题，这只是一个数据排序的问题。

result <- data[order(data$x, data$y),]

或者考虑到您想要整理A的.A。

result <- data[order(data$x, toupper(gsub("[^A-Za-z]","",data$y))),]