我有一个大数据框（1616610行，255列），我需要根据键将每列的唯一值粘贴在一起。
例如：
> data = data.frame(a=c(1,1,1,2,2,3),
b=c("apples", "oranges", "apples", "apples", "apples", "grapefruit"),
c=c(12, 22, 22, 45, 67, 28),
d=c("Monday", "Monday", "Monday", "Tuesday", "Wednesday", "Tuesday"))
> data
a b c d
1 1 apples 12 Monday
2 1 oranges 22 Monday
3 1 apples 22 Monday
4 2 apples 45 Tuesday
5 2 apples 67 Wednesday
6 3 grapefruit 28 Tuesday
我需要的是聚合255列中的每个唯一值，并为每个唯一值返回一个带有逗号分隔符的新数据帧。像这样：
a b c d
1 1 apples, oranges 12, 22 Monday
2 2 apples 45, 67 Tuesday, Wednesday
3 3 grapefruit 28 Thursday
我尝试过使用聚合，如下所示：
output <- aggregate(data, by=list(data$a), paste, collapse=", ")
但是对于这种大小的数据帧来说，它太耗时了（几个小时），而且经常我不得不一起终止进程。最重要的是，这将聚合所有值，而不仅仅是唯一的值。有人有什么建议吗：
1）如何提高大数据集这种聚合的时间
2）然后获取每个字段的唯一值
BTW，这是我在SO上的第一篇文章，所以谢谢你的耐心。
移自评论：
library(data.table)
dt <- as.data.table(data)
dt[, lapply(.SD, function(x) toString(unique(x))), by = a]
给予：
a b c d
1: 1 apples, oranges 12, 22 Monday
2: 2 apples 45, 67 Tuesday, Wednesday
3: 3 grapefruit 28 Tuesday
您可以使用dplyr执行以下操作
编辑1
更新了答案，消除了使用summarise_each引起的弃用警告（从dplyr 0.7.0开始）。这使用总结
library(dplyr)
func_paste <- function(x) paste(unique(x), collapse = ', ')
data %>%
group_by(a) %>%
summarise(across(everything(), func_paste))
# Without "func_paste", using paste directly (from Alistaire's comment).
data %>%
group_by(a) %>%
summarise(across(everything(), ~ paste(unique(.), collapse = ', ')))
## # A tibble: 3 × 4
## a b c d
## <dbl> <chr> <chr> <chr>
## 1 1 apples, oranges 12, 22 Monday
## 2 2 apples 45, 67 Tuesday, Wednesday
## 3 3 grapefruit 28 Tuesday
以前的答案，这将导致不建议使用的警告（从dplyr 0.7.0开始）
func_paste <- function(x) paste(unique(x), collapse = ', ')
data %>%
group_by(a) %>%
summarise_each(funs(func_paste))
## a b c d
## (dbl) (chr) (chr) (chr)
##1 1 apples, oranges 12, 22 Monday
##2 2 apples 45, 67 Tuesday, Wednesday
##3 3 grapefruit 28 Tuesday
# Without "func_paste", using paste directly (from Alistaire's comment).
data %>%
group_by(a) %>%
summarise_each(funs(paste(unique(.), collapse = ', ')))
