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
相关产品推荐

