删除字符串中的重复项。

Question

我想删除字符串中的重复项。例如，Predictive Modeling是第一行中重复的值。需要确保删除重复项后，字符串没有额外的,

mydf <- data.frame(Keyword = c("Predictive Modeling, R, Python, Predictive Modeling, SQL, Tableau, data analysis", "SQL, Tableau, data analysis, data analysis", "Predictive Modeling, Python, SQL, visualization, Spark, Tableau"))

期望输出

mydf <- data.frame(Keyword = c("Predictive Modeling, R, Python, SQL, Tableau, data analysis", "SQL, Tableau, data analysis", "Predictive Modeling, Python, SQL, visualization, Spark, Tableau"))

Answer 1

这里是一条使用toString的单线线.

transform(mydf, Keyword=sapply(strsplit(Keyword, ', '), \(x) toString(unique(x))))
#                                                           Keyword
# 1     Predictive Modeling, R, Python, SQL, Tableau, data analysis
# 2                                     SQL, Tableau, data analysis
# 3 Predictive Modeling, Python, SQL, visualization, Spark, Tableau

Answer 2

这里是一种基于正则表达式的方法。我们可以用空字符串替换任何CSV术语，该术语在字符串后面也会出现。

mydf <- data.frame(Keyword = c("Predictive Modeling, R, Python, Predictive Modeling, SQL, Tableau, data analysis", "SQL, Tableau, data analysis, data analysis"))
mydf$Keyword <- gsub("\\s*([^,]+),?(?=.*\\1(?:,|$))", "", 
mydf$Keyword, perl=TRUE)
mydf

1  R, Python, Predictive Modeling, SQL, Tableau, data analyis
2                                  SQL, Tableau, data analyis

Notr这个方法保留了CSV术语的最后一个实例，但也许这对于您的需求是可以接受的。

Answer 3

使用tidyverse

library(dplyr)
library(tidyr)
mydf %>% 
  mutate(rn = row_number()) %>% 
  separate_rows(Keyword, sep =",\\s+") %>% 
  distinct() %>% 
  group_by(rn) %>% 
  summarise(Keyword = toString(Keyword), .groups = "drop") %>%
  select(-rn)

-output

# A tibble: 3 × 1
  Keyword                                                        
  <chr>                                                          
1 Predictive Modeling, R, Python, SQL, Tableau, data analysis    
2 SQL, Tableau, data analysis                                    
3 Predictive Modeling, Python, SQL, visualization, Spark, Tableau