将 distinct() 与列名向量一起使用答案

【问题标题】：Using distinct() with a vector of column names将 distinct() 与列名向量一起使用
【发布时间】：2019-03-19 10:23:47
【问题描述】：

我在 tibble/data.frame 上使用来自 dplyr 的distinct() 有一个问题。从文档中可以清楚地看出，您可以通过明确命名列名来使用它。我有一个超过 100 列的数据框，并且想在一个子集上使用该功能。我的直觉说我将列名放在一个向量中，并将其用作不同的参数。但是 distinct 只使用第一个向量元素

虹膜示例：

data(iris)
library(dplyr)


exclude.columns <- c('Species', 'Sepal.Width')
distinct_(iris, exclude.columns)

这不同于

exclude.columns <- c('Sepal.Width', 'Species')
distinct_(iris, exclude.columns)

我认为此操作没有区别。另一种选择是对 data.frame 进行子集化，然后使用 distinct 并再次与排除的列连接。但我的问题是，是否有另一种选择只使用一个功能？

【问题讨论】：

您可以只列出distinct 中的列并使用.keep_all = TRUE 参数。或者，您可以从 dplyr v0.8 开始使用 distinct_at。
@arg0naut：问题不在于列表，而是 distinct() 仅对第一个向量元素进行操作，而不是像预期的那样对两者都进行操作。 distinct_at() 不在文档中，我会试一试。
也试试distinct(iris, !!! syms(exclude.columns))
谢谢，这应该可行！
@arg0naut91，您可以考虑发布您的distinct(iris, !!! syms(exclude.columns)) 评论作为答案吗？它非常有帮助，应该更明显。

标签： r dataframe dplyr distinct

【解决方案1】：

按照我的评论建议，您也可以尝试：

data(iris)
library(dplyr)

exclude.columns <- c('Species', 'Sepal.Width')

distinct(iris, !!! syms(exclude.columns))

输出（前 10 行）：

   Sepal.Width    Species
1          3.5     setosa
2          3.0     setosa
3          3.2     setosa
4          3.1     setosa
5          3.6     setosa
6          3.9     setosa
7          3.4     setosa
8          2.9     setosa
9          3.7     setosa
10         4.0     setosa

但是，这是在 2 年前提出的。最新dplyr 功能的更正确用法是：

distinct(iris, across(all_of(exclude.columns)))

我不完全清楚你是想只保留exclude.columns 还是实际上排除它们；如果是后者，那么您只需在前面加上减号，即distinct(iris, across(-all_of(exclude.columns)))。

【讨论】：

【解决方案2】：

你的目标听起来不清楚。您是否试图在除$Species 和$Sepal.Width 之外的所有列中获取所有不同的行？如果是这样，那就没有意义了。

假设除 $Sepal.Width 之外的所有其他变量中的两行都相同。以您描述的方式使用distinct() 会丢弃第二行，因为它与第一行没有区别。除了它在您忽略的列中。

你需要重新考虑你的目标以及它是否有意义。

如果你只是担心重复行，那么

data %>%
  distinct(across(everything()))

会成功的。

【讨论】：