如何在R data.table中合并两列表列并提取唯一值？

问题描述 #

我有一个包含两个列表类型列的data.table，想要将这两列合并为一个包含唯一值的列表列，但尝试多种unique和unlist的组合都没成功。

数据结构 #

structure(list(c("ENSG00000000419", "ENSG00000000457"), c("20:49551404:49575092",
"1:169818772:169863100"), list(c("rs2281282", "rs7269297"), c("rs3766154",
"rs17544586", "rs11577641", "rs12116650", "rs9728301")), list(
    structure(c("rs142284790", "rs6096071"), class = "AsIs"),
    structure(c("rs12116650", "rs9728301", "rs11581380"), class = "AsIs"))), class = c("data.table",
"data.frame"), row.names = c(NA, -2L), names = c("GENE", "LOC",
"SNP1", "SNP2"))

尝试过的代码 #

out[, SNP := unique(unlist(c(.SD))), .SDcols=c("SNP1", "SNP2"), by=out[,.I]]
out[, SNP := unique(unlist(c(SNP1, SNP2)))]
out[, SNP := list(unique(unlist(c(SNP1, SNP2)))), by=out[,.I]]
out[, SNP := lapply(.SD, unique), .SDcols=c("SNP1", "SNP2")]
out[, SNP := lapply(.SD, function(i) unique(unlist(c(i)))), .SDcols=c("SNP1", "SNP2")]
out[, SNP := lapply(.SD, function(i) unique(unlist(c(i)))), .SDcols=c("SNP1", "SNP2"), by=out[,.I]]

期望输出 #

新增一个列表列SNP，包含两列合并后的唯一值：

> out[, .(GENE, LOC, SNP)]
              GENE                   LOC
1: ENSG00000000419  20:49551404:49575092
2: ENSG00000000457 1:169818772:169863100
                                                               SNP
1:                       rs2281282,rs7269297,rs142284790,rs6096071
2: rs3766154,rs17544586,rs11577641,rs12116650,rs9728301,rs11581380

解决方案 #

直接按行处理，合并两个列表列后去重并重新包装为列表即可：

out[, SNP := list(unique(unlist(c(SNP1, SNP2)))), by = .I]

关键说明 #

• by = .I：保证每一行独立处理，避免跨行合并数据
• c(SNP1, SNP2)：将当前行的两个列表列合并为一个嵌套列表
• unlist()：把嵌套列表展开为一维向量
• unique()：去除向量中的重复值
• list()：将去重后的向量重新包装为列表，确保新列SNP为列表类型

结果验证 #

运行上述代码后，执行out[, .(GENE, LOC, SNP)]即可得到与期望一致的输出。

内容的提问来源于stack exchange，提问作者dragon951