创建唯一的名称列表

Question

我有一个演员列表：

name <- c('John Doe','Peter Gynn','Jolie Hope')
age <- c(26 , 32, 56)
postcode <- c('4011', '5600', '7700')
actors <- data.frame(name, age, postcode)

        name age postcode
1   John Doe  26     4011
2 Peter Gynn  32     5600
3 Jolie Hope  56     7700

我也有一个关系边缘清单：

from <- c('John Doe','John Doe','John Doe', 'Peter Gynn', 'Peter Gynn', 'Jolie Hope')
to <- c('John Doe', 'John Doe', 'Peter Gynn', 'Jolie Hope', 'Peter Gynn', 'Frank Smith')
edge <- data.frame(from, to)

        from          to
1   John Doe    John Doe
2   John Doe    John Doe
3   John Doe  Peter Gynn
4 Peter Gynn  Jolie Hope
5 Peter Gynn  Peter Gynn
6 Jolie Hope Frank Smith

首先，我想消除边缘列表中的自引用，即我的“边缘”数据帧中的行1,2,5。

non.self.ref <- edge[!(edge$from == edge$to),]

不会产生预期的结果。

其次，edge包含一个不在'actor'数据框中的名称（'Frank Smith'）。我想在我的'演员'数据框中添加'Frank Smith'，即使我没有'Frank Smith'的年龄或邮政编码数据。例如：

         name age postcode
1    John Doe  26     4011
2  Peter Gynn  32     5600
3  Jolie Hope  56     7700
4 Frank Smith  NA       NA

我会很感激一个整洁的解决方案！

Answer 1

这是两个部分的tidyverse解决方案，但一般不要在每个问题上提出多个问题。

1. 第一部分相当简单。 filter允许一个非常直观的语法，只是指定你想保持from不等于to的行。
2. 第二部分有点复杂。首先，我们gather了from和to列，所以所有演员都在一列。然后我们使用distinct给我们留下一个带有独特演员名字的专栏tbl。最后，我们可以使用full_join来组合表格。 full_join保留两个表中的所有行和列，默认情况下匹配共享名称列，如果没有数据则填充NA（因为没有Frank）。

library(tidyverse)
actors <- tibble(
  name = c('John Doe','Peter Gynn','Jolie Hope'),
  age = c(26 , 32, 56),
  postcode = c('4011', '5600', '7700')
  )
edge <- tibble(
  from = c('John Doe','John Doe','John Doe', 'Peter Gynn', 'Peter Gynn', 'Jolie Hope'),
  to = c('John Doe', 'John Doe', 'Peter Gynn', 'Jolie Hope', 'Peter Gynn', 'Frank Smith')
)

edge %>%
  filter(from != to)
#> # A tibble: 3 x 2
#>   from       to         
#>   <chr>      <chr>      
#> 1 John Doe   Peter Gynn 
#> 2 Peter Gynn Jolie Hope 
#> 3 Jolie Hope Frank Smith

edge %>%
  gather("to_from", "name", from, to) %>%
  distinct(name) %>%
  full_join(actors)
#> Joining, by = "name"
#> # A tibble: 4 x 3
#>   name          age postcode
#>   <chr>       <dbl> <chr>   
#> 1 John Doe     26.0 4011    
#> 2 Peter Gynn   32.0 5600    
#> 3 Jolie Hope   56.0 7700    
#> 4 Frank Smith  NA   <NA>

由reprex package创建于2018-03-02（v0.2.0）。

Answer 2

我发现包括stringsAsFactors = FALSE，例如

edge <- data.frame(from, to, stringsAsFactors = F)

然后：

non.self.ref <- edge[!(edge$from == edge$to),]

作品！

Answer 3

dplyr的一个选项是通过比较'from'和'to'来获取filter行（得到第一个输出 - 如果我们只对第二个输出感兴趣则不需要它），unlist，获取unique值，转换它到tibble并做一个left_join

library(dplyr)
edge %>%
  filter(from != to) %>% #get the results for the first question
  unlist %>%
  unique %>% 
  tibble(name = .) %>% 
  left_join(actors) # second output
# A tibble: 4 x 3
#   name          age postcode
#   <chr>       <dbl> <fctr>  
#1 John Doe     26.0 4011    
#2 Peter Gynn   32.0 5600    
#3 Jolie Hope   56.0 7700    
#4 Frank Smith  NA   <NA>