R语言data.frame中合并重复物种列并删除冗余列的实现方法

实现方法 #

方法1：tidyverse 方案（代码可读性高） #

library(tidyverse)

# 你的示例数据
df <- structure(list(TargetFID = c(89L, 90L, 91L, 136L, 137L, 150L), 
               Cephaloscyllium.cooki = c(0L, 0L, 0L, 0L, 0L, 0L), 
               Cephaloscyllium.fasciatum = c(1L, 0L, 0L, 0L, 0L, 0L), 
               Cephaloscyllium.fasciatum.1 = c(0, 0, 1L, 0, 0, 0), 
               Cephaloscyllium.hiscosellum = c(0L, 0L, 0L, 0L, 0L, 0L)), row.names = c(NA, 6L), class = "data.frame")

# 合并重复物种列
df_merged <- df %>%
  reframe(
    TargetFID = TargetFID,
    # 提取所有唯一物种名（去掉末尾.1/.2这类重复后缀）
    across(all_of(unique(str_remove(names(df)[-1], "\\.\\d+$"))),
           # 对同一物种的所有列按行求和，超过1的统一转成1（保证是存在/缺失的0/1格式）
           ~ pmin(rowSums(pick(ends_with(.x))), 1))
  )

输出结果和你给出的预期完全一致。

方法2：base R 方案（无需加载第三方包） #

# 提取物种列的分组名（移除末尾的.数字后缀）
species_groups <- sub("\\.\\d+$", "", names(df)[-1])
# 按物种分组合并列，按行求和后转0/1
merged_cols <- lapply(split.default(df[, -1], species_groups), function(x) pmin(rowSums(x), 1))
# 合并ID列和处理后的物种列，调整列顺序和原始顺序一致
df_merged <- cbind(df["TargetFID"], as.data.frame(merged_cols))[, c("TargetFID", unique(species_groups))]

注意说明 #

• 正则规则\\.\\d+$只会匹配列名末尾的.数字格式后缀，不会误改物种名本身自带的点分隔符。
• 两种方案都支持任意数量的重复列（不管是2个还是3个重复列都可以自动合并），完全适配你的1054列大数据框场景。
• pmin(..., 1)的作用是避免同一网格同一物种多个重复列都取1时，求和得到大于1的结果，保证最终输出还是标准的0/1存在缺失格式。

内容的提问来源于stack exchange，提问作者Jam