如何在R语言中对数据框字符串列去除连续重复元素并生成新列

嘿，我完全get到你的需求啦——就是要把每个逗号分隔的国家字符串里，连续重复出现的同个国家去掉，只保留交替出现的内容对吧？比如原来一串重复的"Soome"只留一个，接着保留下一个不同的"Eesti"，以此类推。下面给你两种实用的解决方法，你可以根据自己的习惯选：

首先先把你的示例数据再放一遍，方便我们测试：

col1 <- 1:2
col2 <- c("Eesti, Soome, Soome, Soome, Eesti, Soome, Eesti, Eesti, Eesti, Soome", 
          "Ukraina, Eesti, Luksembourg, Luksembourg, Eesti, Eesti, Eesti")
dt <- data.frame(PERSON_ID = col1, COUNTRIES = col2)

方法一：Base R 原生实现 #

我们可以写一个自定义函数，专门处理单个字符串的连续重复项，再用sapply批量应用到整个列上：

# 定义去除连续重复项的函数
remove_consec_duplicates <- function(x) {
  # 把字符串按逗号拆分，同时去掉每个元素的前后空格
  country_list <- trimws(strsplit(x, ",")[[1]])
  # 筛选出和前一个元素不同的项（第一个元素默认保留）
  filtered_countries <- country_list[c(TRUE, country_list[-1] != country_list[-length(country_list)])]
  # 把筛选后的列表重新合并成逗号分隔的字符串
  paste(filtered_countries, collapse = ", ")
}

# 给数据框添加新列COUNTRIES2
dt$COUNTRIES2 <- sapply(dt$COUNTRIES, remove_consec_duplicates)

运行后查看结果，就是你想要的效果啦：

> dt
  PERSON_ID                                                                 COUNTRIES                          COUNTRIES2
1         1 Eesti, Soome, Soome, Soome, Eesti, Soome, Eesti, Eesti, Eesti, Soome Eesti, Soome, Eesti, Soome, Eesti, Soome
2         2                Ukraina, Eesti, Luksembourg, Luksembourg, Eesti, Eesti, Eesti                Ukraina, Eesti, Luksembourg, Eesti

方法二：用tidyverse工具链实现 #

如果你平时习惯用dplyr和stringr这类工具，也可以用管道流的方式实现，代码更简洁直观：

library(dplyr)
library(stringr)
library(purrr) # 用到map_chr函数

dt <- dt %>%
  mutate(COUNTRIES2 = map_chr(str_split(COUNTRIES, ", "), ~{
    .x %>%
      trimws() %>% # 去除空格
      {.[c(TRUE, .[-1] != .[-length(.)])]} %>% # 筛选非连续重复项
      paste(collapse = ", ") # 合并回字符串
  }))

逻辑说明 #

两种方法的核心逻辑是一致的：

1. 把逗号分隔的字符串拆分成单个国家的列表
2. 去掉每个国家名称前后的空格（避免因为空格导致的判断错误）
3. 筛选出和前一个元素不相同的项（第一个元素无条件保留）
4. 把筛选后的列表重新合并成逗号分隔的字符串

这样处理后，就完美得到了你需要的COUNTRIES2列，连续重复的国家都被自动剔除啦～

备注：内容来源于stack exchange，提问作者Vida Beach