显示每列的唯一值答案

【问题标题】：show unique values for each column显示每列的唯一值
【发布时间】：2019-07-24 22:09:28
【问题描述】：

我正在尝试为每列创建列类型和唯一变量的数据框。

我能够使用map(df, class) %>% bind_rows() %>% gather(key = col_name, value = col_class) 获得所需数据框格式的列类型，但无法将唯一变量变成数据框而不是列表。

下面是一个小数据框和代码，用于获取列表中的唯一变量，但不是数据框。理想情况下，我可以在一个（地图）函数中做到这一点，但如果我必须加入它们，那也没什么大不了的。


df <- data.frame(v1 = c(1,2,3,2), v2 = c("a","a","b","b"))

library(tidyverse)

map(df, class) %>% bind_rows() %>% gather(key = col_name, value = col_class)

map(df, unique)

当我尝试在 map(df, unique) 上使用与 map(df, class) 上相同的方法时，我收到以下错误：Error: Argument 2 must be length 3, not 2 这是预期的，但我不知道如何解决它。

【问题讨论】：

你想要的输出是什么？
另外，代替bind_rows %>% spread(...) 这样做map(df, class) %>% enframe() %>% unnest()
@M-M 我没听说过enframe() 和unnest()。我正在努力理解文档，但是与 bind_rows() %>% gather() 相比有什么好处？

标签： r dplyr purrr

【解决方案1】：

这两列中唯一值的数量不同。您需要将它们简化为单个元素。

df2 <- map(df, ~str_c(unique(.x),collapse = ",")) %>% 
    bind_rows() %>% 
    gather(key = col_name, value = col_unique)

> df2
# A tibble: 2 x 2
  col_name col_class
  <chr>    <chr>    
1 v1       1,2,3    
2 v2       a,b

【讨论】：

【解决方案2】：

我们可以使用map_df 并将每一列中的class 和unique 值合并到一个tibble 中。由于每一列都有不同类型的变量，我们需要将它们放在一个公共类中，以便将数据绑定到一个数据框中。

purrr::map_df(df,~tibble::tibble(class = class(.), value = as.character(unique(.))))

#  class  value
#  <chr>  <chr>
#1 numeric 1    
#2 numeric 2    
#3 numeric 3    
#4 factor  a    
#5 factor  b

或者，如果您希望每一列只有一个值，我们可以这样做

map_df(df, ~tibble(class = class(.), value = toString(unique(.))))

#  class   value  
#  <chr>   <chr>  
#1 numeric 1, 2, 3
#2 factor  a, b

在使用lapply的基础R中相同

do.call(rbind, lapply(df, function(x) 
       data.frame(class = class(x), value = as.character(unique(x)))))

和

do.call(rbind, lapply(df, function(x) 
        data.frame(class = class(x), value = toString(unique(x)))))

【讨论】：

【解决方案3】：

为了解决 OP 关于enframe 和unnest 的评论，我设置了一个基准。

set.seed(123)
df <- data.frame(v1 = sample(1:100000,10000000, replace = TRUE), 
                 v2 = sample(c(letters,LETTERS),10000000, replace = TRUE))
library(tidyverse)

map(df, ~str_c(unique(.x),collapse = ",")) %>% 
  bind_rows() %>% 
  gather(key = col_name, value = col_unique)
#> # A tibble: 2 x 2
#>   col_name col_unique                                                      
#>   <chr>    <chr>                                                           
#> 1 v1       51663,57870,2986,29925,95246,68293,62555,45404,65161,46435,9642~
#> 2 v2       S,V,k,t,z,K,f,J,n,R,W,h,M,P,q,g,C,U,a,d,Y,u,O,x,b,m,v,r,F,w,A,j~

map(df, ~str_c(unique(.x),collapse = ",")) %>% 
  enframe() %>% 
  unnest()
#> # A tibble: 2 x 2
#>   name  value                                                              
#>   <chr> <chr>                                                              
#> 1 v1    51663,57870,2986,29925,95246,68293,62555,45404,65161,46435,9642,59~
#> 2 v2    S,V,k,t,z,K,f,J,n,R,W,h,M,P,q,g,C,U,a,d,Y,u,O,x,b,m,v,r,F,w,A,j,c,~

microbenchmark::microbenchmark(
bind_gather = map(df, ~str_c(unique(.x),collapse = ",")) %>% 
               bind_rows() %>% 
               gather(key = col_name, value = col_unique) ,
frame_unnest = map(df, ~str_c(unique(.x),collapse = ",")) %>% 
                enframe() %>% 
                unnest() ,
times = 10)
#> Unit: milliseconds
#>          expr      min       lq     mean   median       uq      max neval
#>   bind_gather 581.6403 594.6479 615.0841 612.9336 618.3057 697.6204    10
#>  frame_unnest 568.6620 590.0003 604.2774 606.5676 624.8159 630.2372    10

似乎enframe %>% unnest 比使用bind_rows %>% gather() 稍快。

【讨论】：

酷。谢谢你这样做。我将不得不更多地研究它的用途。
@alexb523 我使用unnest 已经有一段时间了，但是我刚刚在这个akrun 的answer 中听说过enframe，到目前为止我很喜欢它。

【解决方案4】：

这对你有用吗？

data.table::rbindlist(list(map(df, class), map(df, function(x) list(unique(x)))))

【讨论】：

这非常接近，但我需要它是一个列名列表的表，然后是一个用于类和唯一值的列。最终结果是一个数据字典。