unique() 用于多个变量答案

【问题标题】：unique() for more than one variableunique() 用于多个变量
【发布时间】：2011-12-09 02:19:01
【问题描述】：

我在 R 中有以下数据框：

> str(df)
'data.frame':   545227 obs. of  15 variables:
 $ ykod : int  93 93 93 93 93 93 93 93 93 93 ...
 $ yad  : Factor w/ 42 levels "BAKUGAN","BARBIE",..: 30 30 30 30 30 30 30 30 30 30 ...
 $ per  : Factor w/ 3 levels "2 AYLIK","3 AYLIK",..: 3 3 3 3 3 3 3 3 3 3 ...
 $ donem: int  201101 201101 201101 201101 201101 201101 201101 201101 201101 201101 ...
 $ sayi : int  201101 201101 201101 201101 201101 201101 201101 201101 201101 201101 ...
 $ mkod : int  4 5 9 11 12 18 20 22 25 26 ...
 $ mad  : Factor w/ 10464 levels "   Defne Market          ",..: 405 8075 9710 10145 9297 7973 2542 3892 2759 5769 ...
 $ mtip : Factor w/ 29 levels "Abone Bürosu                                      ",..: 2 20 20 2 2 2 2 2 2 2 ...
 $ kanal: Factor w/ 2 levels "OB","SS": 2 2 2 2 2 2 2 2 2 2 ...
 $ bkod : int  110565 110565 110565 110565 110565 110565 110565 110565 110565 110565 ...
 $ bad  : Factor w/ 212 levels "4. Levent","500 Evler",..: 167 167 167 167 167 167 167 167 167 167 ...
 $ bolge: Factor w/ 12 levels "Adana Şehiriçi",..: 7 7 7 7 7 7 7 7 7 7 ...
 $ sevk : int  2 3 3 3 2 2 2 6 2 2 ...
 $ iade : int  2 1 0 2 0 2 1 0 0 2 ...
 $ satis: int  0 2 3 1 2 0 1 6 2 0 ...

我想为选定的多个变量列出唯一（如 SQL 的 DISTINCT）值。例如，unique(yad) 给了我每 42 个元素的名称，但我需要提取两列（yad 和 per 一起，以及所有唯一的组合）：

yad           per
---           ---
BARBIE        AYLIK
BAKUGAN       2 AYLIK
MICKEY MOUSE  2 AYLIK
TINKERBELL    3 AYLIK
...           ...

我怎样才能做到这一点？

【问题讨论】：

标签： r unique

【解决方案1】：

这是一个有很多解决方案的老问题。

然而，如果您需要基于选择的列的独特观察，同时还要将所有其他列保留在数据框中，您可以使用基本 R 以一种简洁的方式进行操作，如下所示：

df$dupe <- duplicated(df[c("X", "Y") ])
df<- subset(df, dupe == FALSE)

替代方法是使用@micahkimel 提出的“不同”

【讨论】：

【解决方案2】：

基于任何列唯一并保留所有其他列。

df <- df %>% distinct(col1, col2, .keep_all = TRUE)

【讨论】：

【解决方案3】：

使用unique() 本身怎么样？

df <- data.frame(yad = c("BARBIE", "BARBIE", "BAKUGAN", "BAKUGAN"),
                 per = c("AYLIK",  "AYLIK",  "2 AYLIK", "2 AYLIK"),
                 hmm = 1:4)

df
#       yad     per hmm
# 1  BARBIE   AYLIK   1
# 2  BARBIE   AYLIK   2
# 3 BAKUGAN 2 AYLIK   3
# 4 BAKUGAN 2 AYLIK   4

unique(df[c("yad", "per")])
#       yad     per
# 1  BARBIE   AYLIK
# 3 BAKUGAN 2 AYLIK

【讨论】：

+1 还建议对字符串进行规范化（tolower、gsub out special characters等）。
如果df是矩阵怎么办？我是要转成data.frame，还是有函数可以做？
其实我已经找到unique.matrix() 已经完成了这项工作，还是谢谢
如果你想保留所有其他变量（知道你选择了哪一行，或者使用这一行（可能是第一行））怎么办？ IE。 dplyr::distinct(.data, ..., .keep_all = TRUE) 有一个基本 R 等效项？
我不知道dplyr::distinct()，但如果你想保持整行包含第一次出现的组合，请查看duplicated()。在这里，你可以这样做：df[!duplicated(df[1:2]),].

【解决方案4】：

这种dplyr 方法在管道时效果很好。

对于选定的列：

library(dplyr)
iris %>% 
  select(Sepal.Width, Species) %>% 
  t %>% c %>% unique

 [1] "3.5"        "setosa"     "3.0"        "3.2"        "3.1"       
 [6] "3.6"        "3.9"        "3.4"        "2.9"        "3.7"       
[11] "4.0"        "4.4"        "3.8"        "3.3"        "4.1"       
[16] "4.2"        "2.3"        "versicolor" "2.8"        "2.4"       
[21] "2.7"        "2.0"        "2.2"        "2.5"        "2.6"       
[26] "virginica"

或者对于整个数据框：

iris %>% t %>% c %>% unique 

 [1] "5.1"        "3.5"        "1.4"        "0.2"        "setosa"     "4.9"       
 [7] "3.0"        "4.7"        "3.2"        "1.3"        "4.6"        "3.1"       
[13] "1.5"        "5.0"        "3.6"        "5.4"        "3.9"        "1.7"       
[19] "0.4"        "3.4"        "0.3"        "4.4"        "2.9"        "0.1"       
[25] "3.7"        "4.8"        "1.6"        "4.3"        "1.1"        "5.8"       
[31] "4.0"        "1.2"        "5.7"        "3.8"        "1.0"        "3.3"       
[37] "0.5"        "1.9"        "5.2"        "4.1"        "5.5"        "4.2"       
[43] "4.5"        "2.3"        "0.6"        "5.3"        "7.0"        "versicolor"
[49] "6.4"        "6.9"        "6.5"        "2.8"        "6.3"        "2.4"       
[55] "6.6"        "2.7"        "2.0"        "5.9"        "6.0"        "2.2"       
[61] "6.1"        "5.6"        "6.7"        "6.2"        "2.5"        "1.8"       
[67] "6.8"        "2.6"        "virginica"  "7.1"        "2.1"        "7.6"       
[73] "7.3"        "7.2"        "7.7"        "7.4"        "7.9"

【讨论】：

【解决方案5】：

这是对 Josh 答案的补充。

您还可以保留其他变量的值，同时过滤掉 data.table 中的重复行

例子：

library(data.table)

#create data table
dt <- data.table(
  V1=LETTERS[c(1,1,1,1,2,3,3,5,7,1)],
  V2=LETTERS[c(2,3,4,2,1,4,4,6,7,2)],
  V3=c(1),
  V4=c(2) )

> dt
# V1 V2 V3 V4
# A  B  1  2
# A  C  1  2
# A  D  1  2
# A  B  1  2
# B  A  1  2
# C  D  1  2
# C  D  1  2
# E  F  1  2
# G  G  1  2
# A  B  1  2

# set the key to all columns
setkey(dt)

# Get Unique lines in the data table
unique( dt[list(V1, V2), nomatch = 0] ) 

# V1 V2 V3 V4
# A  B  1  2
# A  C  1  2
# A  D  1  2
# B  A  1  2
# C  D  1  2
# E  F  1  2
# G  G  1  2

警告：如果其他变量中有不同的值组合，那么您的结果将是

V1 和 V2 的独特组合

【讨论】：

奇怪，唯一操作有效，但结果 dt 将所有其他列设置为 NA。你知道为什么吗？
感谢您发现这一点。此操作进行合并，因此它可以生成一些 NA 值。解决方案是将allow.cartesian=TRUE 替换为nomatch = 0，这将忽略结果中的NA 值。我已经更新了答案。谢谢

【解决方案6】：

有几种方法可以获得一组因素的所有独特组合。

with(df, interaction(yad, per, drop=TRUE))   # gives labels
with(df, yad:per)                            # ditto

aggregate(numeric(nrow(df)), df[c("yad", "per")], length)    # gives a data frame

【讨论】：