R语言：使用summarise_all分组聚合时如何保留唯一值并去重？

需要按variant和ID两列对数据框分组，将其余列的行聚合合并，要求排除重复字符串和NA值，仅保留唯一的字符串与数值。

示例数据：

df = data.frame(
    variant = c("1-12345-GT", "1-12345-GT", "2-3456-C-T", "3-45567-C-A", "4-566879-C-T", "4-566879-C-T"),
    ID=c("A", "A", "B", "C", "D", "D"),
    value1=c( "GJB1", "GJB1", "TBC", "TZY", "FBY", "FBY"),
    value2=c( 0.5, 1, 0.5, 0.5, 0.5, 0.5)
)

# 原始数据框输出
#        variant ID value1 value2
# 1   1-12345-GT  A   GJB1    0.5
# 2   1-12345-GT  A   GJB1    1.0
# 3   2-3456-C-T  B    TBC    0.5
# 4  3-45567-C-A  C    TZY    0.5
# 5 4-566879-C-T  D    FBY    0.5
# 6 4-566879-C-T  D    FBY    0.5

尝试过的代码（存在重复值问题）：

df %>% group_by(variant, ID) %>% summarise_all(~(toString(na.omit(.)))) 

该代码会保留重复值（如第1行的GJB1重复，第4行的FBY和0.5重复），但需要保留第1行中0.5和1两个唯一值。

也尝试过拆分去重再聚合，但仍无法消除重复：

df %>% separate_rows(value1, value2) %>% unique() %>% group_by(variant, ID) %>% summarise_all(~(toString(na.omit(.)))) %>% ungroup()

直接在summarise_all的处理函数中先提取唯一值，再剔除NA，最后转为字符串即可，核心是先调用unique()去重：

library(dplyr)

df %>% 
  group_by(variant, ID) %>% 
  summarise_all(~toString(na.omit(unique(.))), .groups = "drop")

输出结果： #

# A tibble: 4 × 4
  variant       ID    value1 value2
  <chr>         <chr> <chr>  <chr> 
1 1-12345-GT    A     GJB1   0.5, 1
2 2-3456-C-T    B     TBC    0.5   
3 3-45567-C-A   C     TZY    0.5   
4 4-566879-C-T  D     FBY    0.5   

说明： #

• unique(.)先提取当前分组内的唯一值，解决重复字符串/数值的问题；
• na.omit()剔除NA值（若数据中存在NA）；
• toString()将唯一值合并为逗号分隔的字符串；
• .groups = "drop"用于取消分组状态，返回普通数据框（可根据需求调整）。

之前的separate_rows方法无效，是因为拆分后会将每行的value1和value2拆分为独立行，但原数据中value1的重复是和value2的不同值绑定的，拆分去重无法精准针对单列去重，而直接在分组聚合时对单列先去重是更直接的方案。

内容的提问来源于stack exchange，提问作者Sanna