如何拼接数据框eligible_pmids列并转字符向量去重

基础R实现 #

# 1. 拼接所有行的eligible_pmids字符串为单个长字符串
combined_pmid_str <- paste(test$eligible_pmids, collapse = ", ")

# 2. 将长字符串拆分为字符向量
pmid_vec <- strsplit(combined_pmid_str, ",\\s+")[[1]]

# 3. 去除向量中的重复元素
unique_pmids <- unique(pmid_vec)

# 可选：查看前几个结果验证
head(unique_pmids)

步骤说明 #

• 拼接字符串：paste()函数的collapse参数指定用, 连接所有行的字符串，保证分隔格式统一。
• 拆分向量：strsplit()使用正则表达式",\\s+"匹配逗号加任意数量空格，确保拆分后的每个元素都是纯净的PMID编号；[[1]]将拆分返回的列表转换为字符向量。
• 去重：unique()直接对字符向量去重，保留唯一的PMID。

tidyverse风格实现（需加载tidyverse包） #

如果习惯使用tidyverse工具链，可以用更简洁的管道式写法：

library(tidyverse)

unique_pmids <- test %>%
  pull(eligible_pmids) %>%          # 提取目标列
  str_c(collapse = ", ") %>%        # 拼接所有字符串
  str_split(",\\s+") %>%            # 拆分字符向量
  pluck(1) %>%                      # 转换为向量
  unique()                          # 去重

内容的提问来源于stack exchange，提问作者user25494