如何在R语言中对多列（超过两列）使用union函数？

需要比较data.frame中的列，识别多列里的唯一值。将多个体数据从长格式转宽格式后，想获取每个个体的所有唯一值。示例数据如下：

df <- data_frame(ID=rep(1:10,3), Value = as.character(rep(list("A1,B7,B11,C2","A1,B5,B8,D3",""),10)))

已编写的代码仅能处理生成的前两列，不确定如何纳入第三列（或更多列，通常有5列及以上）：

df %>%
  mutate(across(Value, ~na_if(., ""))) %>%
  within({time <- ave(ID, list=ID, FUN=seq_along)}) %>% 
  pivot_wider(id_cols="ID",names_from="time",names_prefix="Value",values_from="Value") %>%
  rowwise() %>%
  mutate(Value = union(
    str_split(Value1, ",", simplify = TRUE),
    str_split(Value2, ",", simplify = TRUE)
  ) |> str_c(collapse = ", "))

曾考虑用循环将新列与前一次循环的输出对比，但希望找到更简便的方法。

解决方法 #

可以用c_across()配合tidyverse的函数统一处理所有目标列，无需手动指定列名，适用于任意数量的列：

library(tidyverse)

df <- tibble(ID=rep(1:10,3), Value = as.character(rep(list("A1,B7,B11,C2","A1,B5,B8,D3",""),10)))

df %>%
  # 把空字符串转为NA
  mutate(Value = na_if(Value, "")) %>%
  # 按ID分组，生成时间序号
  group_by(ID) %>%
  mutate(time = row_number()) %>%
  ungroup() %>%
  # 转宽格式
  pivot_wider(id_cols = ID, names_from = time, names_prefix = "Value", values_from = Value) %>%
  rowwise() %>%
  # 处理所有Value开头的列：过滤NA、拆分字符串、去重
  mutate(
    # 先存为列表格式，保留向量结构
    unique_values = list(
      c_across(starts_with("Value")) %>% 
        discard(is.na) %>% 
        str_split(",") %>% 
        flatten_chr() %>% 
        unique()
    )
  ) %>%
  # 可选：将列表转为逗号分隔的字符串
  mutate(unique_values_str = str_c(unique_values, collapse = ", ")) %>%
  ungroup()

关键步骤说明 #

• c_across(starts_with("Value"))：一次性选中所有以Value开头的列，不管后续新增多少列都能自动适配
• discard(is.na)：过滤掉空字符串转成的NA值，避免拆分出空内容
• str_split(",") %>% flatten_chr()：把所有列的字符串拆分后合并成一维向量
• unique()：对合并后的向量去重，得到每个个体的所有唯一值

内容的提问来源于stack exchange，提问作者beanie42