在R中基于Title和Date列新增追踪重复匹配的列

问题根源 #

你用aggregate搭配paste的代码没达到预期，是因为没有对Country做去重处理——它会把同一Title+Date分组下所有重复的国家名称都拼接进去，而你需要的是唯一值的汇总。

改进方案 #

1. Base R 版本 #

先分组提取唯一的国家名称再拼接，最后合并回原数据（保留所有200多列）：

# 按Title+Date分组，提取唯一Country并拼接
x <- aggregate(Country ~ Title + Date, df, function(countries) {
  paste(unique(countries), collapse = ", ")
})
names(x)[3] <- "Total_Countries"
# 合并回原数据集，保留所有原有列
df <- merge(df, x, by = c("Title", "Date"), all.x = TRUE)

2. dplyr 版本（更简洁） #

如果习惯tidyverse语法，用分组后直接新增列的方式，操作更直观：

library(dplyr)

df <- df %>%
  group_by(Title, Date) %>%
  mutate(Total_Countries = paste(unique(Country), collapse = ", ")) %>%
  ungroup()

3. data.table 版本（大数据集更高效） #

你的数据集有200多列，要是行数也很多，用data.table的速度会快很多：

library(data.table)

setDT(df)
# 按Title+Date分组，新增Total_Countries列
df[, Total_Countries := paste(unique(Country), collapse = ", "), by = .(Title, Date)]

额外优化（可选） #

如果需要让Total_Countries里的国家名称按字母排序，把unique(x)改成sort(unique(x))即可，比如：

# 以dplyr为例
df <- df %>%
  group_by(Title, Date) %>%
  mutate(Total_Countries = paste(sort(unique(Country)), collapse = ", ")) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者beddotcom