在R中按组合并多行：仅合并评论列，保留唯一帖子信息

嘿，我来帮你搞定这个数据合并的需求！你现在的问题是已经处理了评论相关列的合并，但没保留帖子的唯一信息，而且用summarise_all()/summarise_at()时因为没区分帖子和评论列的处理逻辑导致出错，下面给你两种可行的解决方案：

方案一：手动指定列处理逻辑 #

如果帖子列不多，你可以直接在summarise()里逐个指定帖子列取唯一值（用first()或者unique()都可以，因为同一帖子ID下的帖子信息是重复的，取第一个值就等于保留唯一值），同时继续合并评论列：

library(dplyr)

all_reddits <- all_posts_and_comments %>%
  group_by(id) %>%
  summarise(
    # 保留帖子相关字段的唯一值，这里假设你有title、body等字段，按需添加
    title = first(title),
    body = first(body),
    post_score = first(post_score),
    post_created_date = first(post_created_date),
    # 合并评论相关字段，这里用逗号分隔，你也可以换成原来的斜杠
    comment_id = paste(comment_id, collapse = ","),
    comment_author = paste(comment_author, collapse = ","),
    comment_body = paste(comment_body, collapse = ","),
    comment_score = paste(comment_score, collapse = ","),
    comment_created_date = paste(comment_created_date, collapse = ","),
    comment_link = paste(comment_link, collapse = ",")
  )

方案二：用across()批量处理（更简洁） #

如果你的帖子列和评论列命名有规律（比如评论列都以comment_开头），可以用across()函数批量处理，不用逐个写列名，这也是dplyr 1.0.0版本后推荐的写法：

library(dplyr)

all_reddits <- all_posts_and_comments %>%
  group_by(id) %>%
  summarise(
    # 对所有非评论列（即帖子相关列）取第一个值
    across(-starts_with("comment_"), first),
    # 对所有评论列进行合并，用逗号分隔
    across(starts_with("comment_"), ~paste(., collapse = ","))
  )

补充说明： #

• 为什么用first()而不是unique()？因为同一帖子ID下的帖子信息理论上是完全重复的，first()效率更高；如果万一出现同一ID下帖子信息不一致的异常情况，你可以把first()换成paste(unique(.), collapse = ",")来保留所有不同值。
• 你之前用summarise_all()出错是因为它会对所有列应用同一个函数，但帖子列需要取唯一值，评论列需要合并，逻辑不一样；summarise_at()如果没精准区分列组也会有同样问题，across()的灵活性正好解决这个问题。

内容的提问来源于stack exchange，提问作者user5319960