在R语言中基于另一列重复值合并行的实现方法

这里提供几种在R中实现需求的常用方法，核心逻辑是按A列分组，将每组对应的B列值用分号;拼接为新列C：

方法1：Base R（无需额外包） #

利用aggregate函数完成分组聚合：

# 构造原始数据
A <- c("A", "A123", "A123", "B123", "B123", "B")
B <- c("NA", "as", "bp", "df", "kl", "c")
df <- data.frame(A, B, stringsAsFactors = FALSE)

# 分组拼接并重命名列
df2 <- aggregate(B ~ A, data = df, FUN = function(x) paste(x, collapse = ";"))
colnames(df2) <- c("A", "C")

方法2：tidyverse（dplyr） #

适合熟悉tidyverse生态的用户，代码可读性强：

library(dplyr)

df2 <- df %>%
  group_by(A) %>%
  summarise(C = paste(B, collapse = ";"), .groups = "drop")

• group_by(A)：按A列分组
• summarise：对每组的B列执行拼接操作
• .groups = "drop"：取消分组状态，返回普通数据框

方法3：data.table（适合大数据量） #

如果处理的数据集较大，data.table的效率更高：

library(data.table)

# 转换为data.table格式
setDT(df)
# 分组拼接
df2 <- df[, .(C = paste(B, collapse = ";")), by = A]

以上三种方法最终生成的df2均符合需求：

> df2
      A      C
1     A     NA
2  A123 as;bp
3  B123 df;kl
4     B      c

内容的提问来源于stack exchange，提问作者vcat