提取重复数据框子集的唯一值

Question

我有一个相当大的数据集（c。5000万行乘6列），2列有重复值，其中1列是另一列的子集。

对于Instance，请按如下方式获取数据帧： enter image description here

我想获得如下数据框：

enter image description here

我在上面的示例中使用了以下代码：

disp＆lt; - unique（mtcars $ disp） cyl＆lt; - unique（mtcars $ cyl）

new_data＆lt; - data.frame（1：length（disp），1：length（disp）） new_data $ disp＆lt; - disp

for（i in 1：length（disp））{

new_data $ cyl [i]＆lt; - mtcars $ cyl [grep（disp [i]，mtcars $ disp）] }

但是当我尝试在大型数据集中复制它时，这是行不通的（RAM是一个可能的问题，因为我的机器并不是最强大的。）

我的问题是，是否有更好的方法对大型数据集进行同样的练习？

Answer 1

对我来说，看起来你想要所有独特的disp和cyl组合。为此，我建议这样做：

DF：

car       cyl        disp
Ford      32          322  
Ford      32          322
Mazda     12          212

- 代码：

library(dplyr)
output <- df %>% group_by(cyl,disp) %>% 
summarise(car_name = paste(car, collapse = ","))

输出：

cyl     disp      car
32      322       Ford,Ford
12      212       Mazda