R删除字符向量中的重复元素，而不是重复的行 [英] R remove duplicate elements in character vector, not duplicate rows

问题描述

我有一个砖墙与这个问题。

我有一个数据框（日期）与一些文件ID和日期存储在一个字符向量：文件日期
1 12345 c（06/01/2000，08/09/2002）
2 23456 c（07/01/2000，09/08/2003，07/01/2000）
3 34567 c（09/06/2004，09/06 / 2004，12/30/2006）
4 45678 c（06/01/2000，08/09/2002）

我正在尝试删除日期中的重复元素以获取此结果：

 文件日期
 1 12345 c（06/01/2000，08/09/2002）
 2 23456 c（07/01/2000，09/08 / 2003）
 3 34567 c（09/06/2004，12/30/2006）
 4 45678 c（06/01/2000，08/09/2002 ）
  

我尝试过：

  R>唯一（日期$日期）
  

但它会删除重复行日期：

 文件日期
 1 12345 c（06/01/2000，08/09 / 2002）
 2 23456 c（07/0 1/2000，09/08/2003）
 3 34567 c（09/06/2004，12/30/2006）
  

有关如何仅删除日期中重复元素的帮助，而不是删除重复的日期吗？

 ＃匹配一些文本字符串（日期）从一些文本：
 
 df1 $ dates < -  as.character（strapply（df1 [[2]]，（（\\\D\\\d {1,2}（/ |  - ）\\ \\\d {1,2}（/ |  - ）\\d {2,4}）| （[^ /] \\d {1,2}（/ |  - ）\\d {2,4}）|（（JAN | FEB | MAR | APR | MAY | JUN | JUL | AUG | SEP | OCT | NOV）{1} [\\s |  - ] {0,2} {\\d 1,4}（\\D [\\s |  - ] {0 ，} \\d {2,4}）{0，}））））
 
＃从数据帧中删除前2列
 df2 <-df1 [-c（1 ，2）] 
 
＃列表数据
> df2 
 872 7/23/2007 
 873 c（11/4/2007，11 / 4/2007）
 874 c（2008/4/2008，2007年8月2日）
 880 11/14/2006 
 
> class df2）
 [1]data.frame
 
> class（df2 $ dates）
 [1]character
 
> dput（df2）
 structure（list（dates = c（NULL，NULL，7/23/2007，c（\11/4 / 2007\，\ 11/4 / 2007\，
c（\4/2/2008 \，\8/2/2007 \），NULL ，NULL，NULL，
NULL，11/14/2006）），.Names =dates，class =data.frame，row.names = 870：880 ）
  

所以我的问题是如何摆脱第873行的重复日期？ p>

解决方案

我解决了我从字符向量中删除重复值的问题 - 打包（strapply（），unique）：

  df1 $ date<  -  as.character（lapply（（strap（df1 [[2]]，（（\\ \\\D\\d {1,2}（/ |  - ）\\d {1,2}（/ |  - ）\\d {2,4}）|（\\\ \\s\\d {1,2}（/ |  - ）\\d {2,4}）|（（JAN | FEB | MAR | APR | MAY | JUN | JUL | AUG | SEP | OCT | NOV）{1} [\\s |  - ] {0,2} {\\d 1,4}（\\D [\\s |  - ] {0，} \\ \\\d {2,4}）{0，}）））），唯一））
  

<感谢您的帮助。

I am hitting a brick wall with this problem.

I have a data frame (dates) with some document ids and dates stored in a character vector:

  Doc     Dates
1 12345 c("06/01/2000","08/09/2002")
2 23456 c("07/01/2000", 09/08/2003", "07/01/2000")
3 34567 c("09/06/2004", "09/06/2004", "12/30/2006")
4 45678 c("06/01/2000","08/09/2002")

I am trying to remove the duplicate elements in the Dates to get this result:

  Doc     Dates
1 12345 c("06/01/2000","08/09/2002")
2 23456 c("07/01/2000", 09/08/2003")
3 34567 c("09/06/2004", "12/30/2006")
4 45678 c("06/01/2000","08/09/2002")

I have tried:

R>unique(dates$dates)

but it removes duplicate rows by Dates:

  Doc     Dates
1 12345 c("06/01/2000","08/09/2002")
2 23456 c("07/01/2000", 09/08/2003")
3 34567 c("09/06/2004", "12/30/2006")

Any help on how to remove only the duplicate elements in Dates, and not remove duplicate Rows by Dates?

** Updated with data

# Match some text string (dates) from some text:

df1$dates <- as.character(strapply(df1[[2]], "((\\D\\d{1,2}(/|-)\\d{1,2}(/|-)\\d{2,4})|    ([^/]\\d{1,2}(/|-)\\d{2,4})|((JAN|FEB|MAR|APR|MAY|JUN|JUL|AUG|SEP|OCT|NOV){1}[\\s|-]{0,2}\\d{1,4}(\\D[\\s|-]{0,}\\d{2,4}){0,}))"))

# Drop first 2 columns from dataframe
df2<-df1[ -c(1,2)]

# List data
>df2
872                     7/23/2007
873 c(" 11/4/2007", " 11/4/2007")
874   c(" 4/2/2008", " 8/2/2007")
880                    11/14/2006

> class(df2)
[1] "data.frame"

> class(df2$dates)
[1] "character"

> dput(df2)
structure(list(dates = c("NULL", "NULL", " 7/23/2007", "c(\" 11/4/2007\", \" 11/4/2007\")", 
"c(\" 4/2/2008\", \" 8/2/2007\")", "NULL", "NULL", "NULL", "NULL", 
"NULL", " 11/14/2006")), .Names = "dates", class = "data.frame", row.names = 870:880)

So my issue is how to get rid of the duplicate dates in Row 873?

解决方案

I solved the issue I was having of removing duplicate values from a character vector - wrap a lapply(strapply(), unique):

df1$date <- as.character(lapply((strapply(df1[[2]], "((\\D\\d{1,2}(/|-)\\d{1,2}(/|-    )\\d{2,4})|(\\s\\d{1,2}(/|-)\\d{2,4})|((JAN|FEB|MAR|APR|MAY|JUN|JUL|AUG|SEP|OCT|NOV){1}[\\s|-]{0,2}\\d{1,4}(\\D[\\s|-]{0,}\\d{2,4}){0,}))")),unique))

Thanks for all your help.

这篇关于R删除字符向量中的重复元素，而不是重复的行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！