Tengo un dataframe (all_blast_df2_Oakwood) como este:
lib virus_names
PV005 Watermelon mosaic virus
PV005 Watermelon mosaic virus
PV005 Cowpea aphid-borne mosaic virus
PV005 Yam bean mosaic virus
PV005 Watermelon mosaic virus
PV006 Watermelon mosaic virus
PV006 Cowpea aphid-borne mosaic virus
PV008 Cucumis mosaic virus
PV008 Watermelon mosaic virus
PV010 Watermelon mosaic virus
A partir del anterior dataframe me gustaría obtener una tabla como esta:
lib virus_names
PV005 Watermelon mosaic virus/Cowpea aphid-borne mosaic virus/Yam bean mosaic virus
PV006 Watermelon mosaic virus/Cowpea aphid-borne mosaic virus
PV008 Cucumis mosaic virus/Watermelon mosaic virus
PV010 Watermelon mosaic virus
Para ello aplico el siguiente comando:
c<-all_blast_df2_Oakwood %>%
group_by(lib) %>%
summarise(virus_names=paste(virus_names,collapse='/'))
Pero obtengo lo siguiente:
lib virus_names
PV005 Watermelon mosaic virus/Watermelon mosaic virus/Cowpea aphid-borne mosaic virus/Yam bean mosaic virus/Watermelon mosaic virus
PV006 Watermelon mosaic virus/Cowpea aphid-borne mosaic virus
PV008 Cucumis mosaic virus/Watermelon mosaic virus
PV010 Watermelon mosaic virus
No logro eliminar los nombres de los virus que aparecen por duplicado en cada librería (lib). Me gustaría saber como eliminar los duplicados y a raiz de este último dataframe obtener el siguiente resultado:
Watermelon mosaic virus 100% #(aparece en 4 lib de 4)
Cowpea aphid-borne mosaic virus 50% #(aparece en 2 lib de 4)
Yam bean mosaic virus 25 % #(aparece en 1 lib de 4)
Cucumis mosaic virus 25 % #(aparece en 1 lib de 4)