如何用R/dplyr合并两列并保留分类内字母序生成单列数据框？

问题背景 #

现有如下数据框：

df <- data.frame(
  cities = c(
    rep("Atlanta", 3),
    rep("Seattle", 4),
    rep("Paris", 2)
  ),
  area = c(
    c("A", "C", "X"),
    c("B", "H", "I", "D"),
    c("Z", "F")
  )
)

需要生成一个单列数据框，满足以下要求：

• 城市整体按字母顺序排列
• 每个城市分类下先显示城市名称，再按字母顺序列出对应的area值
• 最终合并为单列，期望输出如下：

data.frame(
  new_column = c(
    "Atlanta",
    "A",
    "C",
    "X",
    "Paris",
    "F",
    "Z",
    "Seattle",
    "B",
    "D",
    "H",
    "I"
  )
)

dplyr优雅实现方案 #

可以结合dplyr的分组、汇总功能，搭配tidyr的展开函数完成需求，代码如下：

library(dplyr)
library(tidyr)

result <- df %>%
  group_by(cities) %>%
  # 每个组内拼接城市名与排序后的area，存为列表
  summarise(new_column = list(c(first(cities), sort(area)))) %>%
  # 按城市字母顺序排序分组
  arrange(cities) %>%
  # 展开列表为单列行数据
  unnest(new_column) %>%
  # 转换为基础数据框（可选）
  as.data.frame()

print(result)

步骤说明 #

• group_by(cities)：按城市名称分组，确保后续操作以城市为单位
• summarise(...)：对每个城市组，先取城市名称（first(cities)避免重复取值），再将area按字母排序后拼接，用list()将每组内容打包为列表元素
• arrange(cities)：将所有城市组按字母顺序重新排列
• unnest(new_column)：把列表格式的列展开为单独的行，形成最终的单列结构
• as.data.frame()：如果需要将结果转为基础数据框格式，执行此步骤（默认unnest后为tibble格式，也可直接使用）

运行上述代码后，即可得到符合要求的输出结果。

内容的提问来源于stack exchange，提问作者Revan