R语言：将不同列中相同因子水平合并至同一列的实现方法

这需求完全可以实现，我给你分两种场景来写具体的解决方案，用Python pandas为例（R语言的思路也类似，后面可以类比）：

首先咱们先造个符合你描述的示例DataFrame，方便你对照测试：

import pandas as pd
import numpy as np

# 构造示例数据：每行的tag水平唯一，部分水平跨列重复
data = {
    'tag_1': ['human', 'animal', 'artist', 'plant'],
    'tag_2': ['artist', 'human', 'animal', 'artist'],
    'tag_3': ['plant', 'artist', 'human', 'human']
}
df = pd.DataFrame(data)

实现的核心思路是：先提取所有唯一的因子水平作为新的列名，然后遍历每一行，把该行存在的水平放到对应列，不存在的位置留空（用NaN填充）。这样每一列只会对应一个因子水平，自然满足“列内因子水平互不重复”的要求。

具体代码：

# 第一步：获取所有唯一的因子水平
unique_levels = pd.unique(df.values.ravel())

# 第二步：定义每行的映射函数，把元素放到对应水平的列
def map_row_to_levels(row):
    # 遍历每个唯一水平，判断该行是否包含它，包含就填值，否则填NaN
    row_dict = {level: level if level in row.values else np.nan for level in unique_levels}
    return pd.Series(row_dict)

# 第三步：应用函数到每一行，得到结果
result_df = df.apply(map_row_to_levels, axis=1)

运行后result_df的结构就是你要的：每一列对应一个唯一的因子水平，比如human列里所有非空值都是human，只会出现在原本有这个水平的行。

如果觉得上面的方案空值太多，或者想要更紧凑的结构，你可以选择按全局频次对每行的水平排序，把出现次数多的水平放在前面。

具体步骤：

# 第一步：统计每个因子水平的全局出现频次
level_counts = df.stack().value_counts()

# 第二步：定义排序函数，按频次从高到低排列每行的元素
def sort_row_by_freq(row):
    # 按频次倒序排序，频次相同的话可以保持原顺序或者自定义规则
    sorted_vals = sorted(row.values, key=lambda x: -level_counts[x])
    # 给新列命名（比如sorted_tag_1、sorted_tag_2...）
    return pd.Series(sorted_vals, index=[f'sorted_tag_{i+1}' for i in range(len(sorted_vals))])

# 第三步：应用函数得到排序后的结果
sorted_result_df = df.apply(sort_row_by_freq, axis=1)

比如示例里human出现了3次，artist也出现了3次，animal2次，plant2次，所以每行的前两个位置会优先放human或artist。

如果是用R语言，思路类似：用tidyr::pivot_longer把数据转成长格式，再用pivot_wider转宽格式实现方案一；用dplyr::rowwise结合arrange实现方案二。

内容的提问来源于stack exchange，提问作者Tau