跨数据帧的特定列逐行连接

Question

我有一个带有列的数据框,当作为字符串连接(行方式)时,将允许我将数据框分区为所需的形式.

> str(data)
'data.frame':   680420 obs. of  10 variables:
 $ A              : chr  "2011-01-26" "2011-01-26" "2011-02-09" "2011-02-09" ...
 $ B              : chr  "2011-01-26" "2011-01-27" "2011-02-09" "2011-02-10" ...
 $ C              : chr  "2011-01-26" "2011-01-26" "2011-02-09" "2011-02-09" ...
 $ D              : chr  "AAA" "AAA" "BCB" "CCC" ...
 $ E              : chr  "A00001" "A00002" "B00002" "B00001" ...
 $ F              : int  9 9 37 37 37 37 191 191 191 191 ...
 $ G              : int  NA NA NA NA NA NA NA NA NA NA ...
 $ H              : int  4 4 4 4 4 4 4 4 4 4 ...

对于每一行,我想将F,E,D和C列中的数据连接成一个字符串(下划线字符作为分隔符).以下是我未能成功的尝试:

data$id <- sapply(as.data.frame(cbind(data$F,data$E,data$D,data$C)), paste, sep="_")

以下是不良后果:

  > str(data)
    'data.frame':   680420 obs. of  10 variables:
     $ A              : chr  "2011-01-26" "2011-01-26" "2011-02-09" "2011-02-09" ...
     $ B              : chr  "2011-01-26" "2011-01-27" "2011-02-09" "2011-02-10" ...
     $ C              : chr  "2011-01-26" "2011-01-26" "2011-02-09" "2011-02-09" ...
     $ D              : chr  "AAA" "AAA" "BCB" "CCC" ...
     $ E              : chr  "A00001" "A00002" "B00002" "B00001" ...
     $ F              : int  9 9 37 37 37 37 191 191 191 191 ...
     $ G              : int  NA NA NA NA NA NA NA NA NA NA ...
     $ H              : int  4 4 4 4 4 4 4 4 4 4 ...
     $ id             : chr [1:680420, 1:4] "9" "9" "37" "37" ...
      ..- attr(*, "dimnames")=List of 2
      .. ..$ : NULL
      .. ..$ : chr  "V1" "V2" "V3" "V4"

任何帮助将不胜感激.

Answer 1

尝试

 data$id <- paste(data$F, data$E, data$D, data$C, sep="_")

代替.矢量化代码的优点在于您不需要逐行循环或循环等效*应用函数.

编辑 更好的是

 data <- within(data,  id <- paste(F, E, D, C, sep=""))

Answer 2

使用unite的tidyr包:

require(tidyr)
data <- data %>% unite(id, F, E, D, C, sep = '_')

第一个参数是所需的名称,接下来是sep- 要连接的列.

Answer 3

无论是stringr::str_c()或paste()将起作用。

require(stringr)
data <- within(data, str_c(F,E,D,C, sep="_")

要不然

data <- within(data, paste(F,E,D,C, sep="_")

（stringr在大型数据集上表现更好）