重複した列名をマージする

Question

データフレームがありますが、一部の列はデータは同じですが、列名は異なります。重複した列を削除したいが、列名をマージする。たとえば、TEST1とTEST4列が重複している：

df 

     test1 test2 test3 test4 
    1  1  1  0  1 
    2  2  2  2  2 
    3  3  4  4  3 
    4  4  4  4  4 
    5  5  5  5  5 
    6  6  6  6  6 

と私はこのようなものにするために、結果を希望：

​​

ここでのデータです：

structure(list(test1 = c(1, 2, 3, 4, 5, 6), test2 = c(1, 2, 4, 
4, 5, 6), test3 = c(0, 2, 4, 4, 5, 6), test4 = c(1, 2, 3, 4, 
5, 6)), .Names = c("test1", "test2", "test3", "test4"), row.names = c(NA, 
-6L), class = "data.frame") 

してください重複した列を単に削除するだけではないことに注意してください。また、重複が削除された後、重複した列の列名をマージしたい。

私が投稿したシンプルなテーブルでは手動で行うことができましたが、大きなデータセットでこれを使用したいのですが、どのカラムが同じであるかは事前にわかりません。 50個を超える重複カラムがある可能性があるので、手動でカラムを削除して名前を変更する必要はありません。

Answer 1

[OK]を改善しました。上記の回答は、hereのアイデアを使用して改善しました。重複列と重複しない列をデータフレームに保存します。重複していないものが重複と一致するかどうかを確認し、重複している場合は列名を連結します。これで、2つ以上の列が重複している場合にこれが機能します。

編集：変更summary~digest。これは、文字データに役立ちます。

df <- structure(list(test1 = c(1, 2, 3, 4, 5, 6), test2 = c(1, 2, 4, 
4, 5, 6), test3 = c(0, 2, 4, 4, 5, 6), test4 = c(1, 2, 3, 4, 
5, 6)), .Names = c("test1", "test2", "test3", "test4"), row.names = c(NA, 
-6L), class = "data.frame") 

library(digest) 
nondups <- df[!duplicated(lapply(df, digest))] 

dups <- df[duplicated(lapply(df, digest))] 

for(i in 1:ncol(nondups)){ 
    for(j in 1:ncol(dups)){ 
    if(FALSE %in% paste0(nondups[,i] == dups[,j])) NULL 
    else names(nondups)[i] <- paste(names(nondups[i]), names(dups[j]), sep = "+") 
    } 
} 

nondups 

---

関数として、実施例2、。

Editted：はdigestにsummaryを変更し、非重複重複データフレームを返します。

---

Editted

age <- 18:29 height <- c(76.1,77,78.1,78.2,78.8,79.7,79.9,81.1,81.2,81.8,82.8,83.5) gender <- c("M","F","M","M","F","F","M","M","F","M","F","M") testframe <- data.frame(age=age,height=height,height2=height,gender=gender,gender2=gender, gender3 = gender) dupcols <- function(df = testframe){ nondups <- df[!duplicated(lapply(df, digest))] dups <- df[duplicated(lapply(df, digest))] for(i in 1:ncol(nondups)){ for(j in 1:ncol(dups)){ if(FALSE %in% paste0(nondups[,i] == dups[,j])) NULL else names(nondups)[i] <- paste(names(nondups[i]), names(dups[j]), sep = "+") } } return(list(df1 = nondups, df2 = dups)) } dupcols(df = testframe) 

：このセクションでは、新しいです。

例3：私たちは、あなたがGoogleで検索することを想定する必要があり

#Creating a 1500 column by 15000 row data frame 
dat <- do.call(data.frame, replicate(1500, rep(FALSE, 15000), simplify=FALSE)) 
names(dat) <- 1:1500 

#Fill the data frame with LETTERS across the rows 
#This part may take a while. Took my PC about 23 minutes. 
start <- Sys.time() 
    fill <- rep(LETTERS, times = ceiling((15000*1500)/26)) 
    j <- 0 
    for(i in 1:nrow(dat)){ 
    dat[i,] <- fill[(1+j):(1500+j)] 
    j <- j + 1500 
    } 
difftime(Sys.time(), start, "mins") 

#Run the function on the created data set 
#This took about 4 minutes to complete on my PC. 
start <- Sys.time() 
    result <- dupcols(df = dat) 
difftime(Sys.time(), start, "mins") 

names(result$df1) 
ncol(result$df1) 
ncol(result$df2) 

Answer 2

完全に自動化されているわけではありませんが、ループの出力によって重複列のペアが識別されます。重複した列の1つを削除してから、重複した列に基づいて名前を変更する必要があります。

df <- structure(list(test1 = c(1, 2, 3, 4, 5, 6), test2 = c(1, 2, 4, 
4, 5, 6), test3 = c(0, 2, 4, 4, 5, 6), test4 = c(1, 2, 3, 4, 
5, 6)), .Names = c("test1", "test2", "test3", "test4"), row.names = c(NA, 
-6L), class = "data.frame") 

for(i in 1:(ncol(df)-1)){ 
    for(j in 2:ncol(df)){ 
    if(i == j) NULL 
    else if(FALSE %in% paste0(df[,i] == df[,j])) NULL 
    else print(paste(i, j, sep = " + ")) 
    } 
} 

new <- df[,-4] 
names(new)[1] <- paste(names(df[1]), names(df[4]), sep = "+") 
new