You need to enable JavaScript to run this app. R语言中按NumID合并重复电影数据行归集多演员信息的实现方法
优惠活动
大模型
产品
解决方案
定价
更多

R语言中按NumID合并重复电影数据行归集多演员信息的实现方法

R语言环境下的优先实现方案

前置依赖

安装并加载所需的处理包,首次安装完成后即可长期复用:

# 首次使用执行安装命令
install.packages(c("dplyr", "tidyr"))
# 日常使用加载依赖
library(dplyr)
library(tidyr)

逻辑验证测试(可选)

需要先测试处理逻辑是否匹配需求时,可运行以下代码构造与描述结构完全一致的测试数据集:

# 构造结构匹配的测试数据
raw_movie_df <- tibble(
  NumID = c(1001, 1001, 1001, 1002, 1002, 1003),
  col1 = c("喜剧", "喜剧", "喜剧", "动作", "动作", "悬疑"),
  col2 = c("剧情", "剧情", "剧情", "科幻", "科幻", "犯罪"),
  col3 = c(NA, NA, NA, "冒险", "冒险", NA),
  col4 = c(2022, 2022, 2022, 2023, 2023, 2021),
  col5 = c("演员A", "演员B", "演员C", "演员D", "演员E", "演员F")
)

核心处理代码

processed_result <- raw_movie_df %>%
  # 按电影唯一标识NumID分组
  group_by(NumID) %>%
  reframe(
    # 非演员列同组值完全一致,取同组首个值保留原内容
    across(c(col1:col4), ~first(.x)),
    # 收集同组所有演员值为有序列表
    all_actors = list(col5)
  ) %>%
  # 将演员列表拆分为独立宽列,长度不足的位置自动填充NA
  unnest_wider(all_actors, names_sep = "_") %>%
  # 按col5、col6、col7的规则重命名拆分出的演员列
  rename_with(
    ~paste0("col", 5:(4 + n())),
    .cols = starts_with("all_actors")
  )

处理效果校验

  • 每部电影仅对应1行记录,总行数等于原始数据中NumID的去重值数量
  • 演员列自动匹配全数据集最大演员数生成连续列,列名严格遵循col5、col6、col7的排序规则
  • 演员数量未达最大值的分组,空缺位置自动填充NA

备选方案:CSV导出+Python Pandas处理

如果R环境存在配置问题,可以将原始数据导出为CSV后用Pandas完成相同逻辑的处理:

R端导出原始数据

# 将原始数据导出为UTF-8编码的CSV,避免中文乱码
write.csv(raw_movie_df, "raw_movie.csv", row.names = FALSE, fileEncoding = "UTF-8")

Pandas端处理代码

import pandas as pd

# 读入导出的CSV文件
raw_df = pd.read_csv("raw_movie.csv")

# 按NumID分组聚合:非演员列取同组首值,演员列收集为有序列表
agg_df = raw_df.groupby("NumID", as_index=False).agg(
    col1 = ("col1", "first"),
    col2 = ("col2", "first"),
    col3 = ("col3", "first"),
    col4 = ("col4", "first"),
    actor_list = ("col5", lambda x: list(x))
)

# 计算所有分组的最大演员数量,用于生成连续列名
max_actor_num = agg_df["actor_list"].apply(len).max()
actor_columns = [f"col{i}" for i in range(5, 5 + max_actor_num)]

# 将演员列表拆分为宽列,空缺位置自动填充NA
actor_split_df = pd.DataFrame(
    agg_df["actor_list"].tolist(),
    columns=actor_columns
)

# 拼接基础电影信息和拆分后的演员列
final_result = pd.concat(
    [agg_df.drop(columns=["actor_list"]), actor_split_df],
    axis=1
)

# 导出处理完成的结果
final_result.to_csv("processed_movie.csv", index=False, encoding="UTF-8")

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.23 02:06:08