使用 dplyr、group_by 与 mutate() 或 Summarize() & str_c() 或 Paste() & Collapse 连接字符串/行，但保留 NA 和所有字符串

Question

当使用dplyr, group_by()andmutate()或summarize ()与paste()and连接字符串时collapse，NA值将被强制转换为字符串"NA"。

当使用str_c()代替 时paste()，连接的字符串NA将被删除（?str_c：每当将缺失值与另一个字符串组合时，结果将始终缺失）。当具有NA＆non-NA值的这种组合时，如何删除连接中的NA而不是non- ？NA

请参阅下面我的示例：

library(dplyr)
library(stringr)
ID <- c(1,1,2,2,3,4)
string <- c(' asfdas ', 'sdf', NA,'sadf', 'NA', NA)
df <- data.frame(ID, string)
#   ID   string
# 1  1  asfdas 
# 2  1      sdf
# 3  2     <NA> # ID 2 has both NA and non-NA values
# 4  2     sadf #
# 5  3       NA
# 6  4     <NA>

两个都，

df%>%
 group_by(ID)%>%
 summarize(string = paste(string, collapse = "; "))%>%
 distinct_all()

和

df_conca <-df%>%
 group_by(ID)%>%
 dplyr::mutate(string = paste(string, collapse = "; "))%>%
 distinct_all()

导致

     ID string               
1     1 " asfdas ; sdf"
2     2 "NA; sadf"           
3     3 "NA"
4     4 "NA" # NA coerced to "NA"

即NA变为“NA”：

尽管

df %>%
  group_by(ID)%>%
  summarize(string = str_c(string, collapse = "; "))

结果是：

     ID string               
1     1 " asfdas ; sdf"
2     2 NA     
3     3 "NA" 
4     4 NA 

即根据规则删除“sadf” str_c：NA与字符串组合，结果为NA.

但是，我想保留真实NA值（例如“ID”4）和字符串（例如“ID”2），如下所示：

     ID string             
1     1 " asfdas ; sdf"
2     2 "sadf"           
3     3 "NA"
4     4 NA 

理想情况下，我想留在dplyr工作流程中。

---

这个问题是使用 dplyr、group_by 和折叠或汇总连接字符串/行的扩展，但保留 NA 值

Answer 1

使用pivot_wider和unite

library(dplyr)
library(tidyr)
library(data.table)
df %>% 
   mutate(rn = rowid(ID)) %>%
   pivot_wider(names_from = rn, values_from = string) %>% 
   unite(string, `1`, `2`, na.rm = TRUE, sep = " ; ")%>%
   mutate(string = na_if(string, ""))

-输出

# A tibble: 4 x 2
     ID string          
  <dbl> <chr>           
1     1 " asfdas  ; sdf"
2     2 "sadf"          
3     3 "NA"            
4     4  <NA>         

或者也可以使用coalesce

df %>%
    group_by(ID) %>%
    summarise(string = na_if(coalesce(str_c(string, collapse = " ; "),
     str_c(string[complete.cases(string)], collapse = " ; ")), ""))

-输出

# A tibble: 4 x 2
     ID string          
  <dbl> <chr>           
1     1 " asfdas  ; sdf"
2     2 "sadf"          
3     3 "NA"            
4     4  <NA>