R根据一列中的值汇总列中的唯一值答案

【问题标题】：R summarize unique values across columns based on values from one columnR根据一列中的值汇总列中的唯一值
【发布时间】：2015-05-05 18:48:44
【问题描述】：

我想根据 var_1 的值了解每列的唯一值总数。

例如：

Test <- data.frame(var_1 = c("a","a","a", "b", "b", "c", "c", "c", "c", "c"), var_2 = c("bl","bf","bl", "bl","bf","bl","bl","bf","bc", "bg" ), var_3 = c("cf","cf","eg", "cf","cf","eg","cf","dr","eg","fg"))

我正在寻找的结果将基于 var_1 中的值，应该是：

var_1 var_2 var_3
a     2     2
b     2     1
c     3     4

但是，在尝试了各种方法（包括应用和表）之后 - 聚合一直是最接近我正在寻找的东西，但是此脚本会汇总 var_1 的每个值的条目总数，但是总计不是唯一的

agbyv1= aggregate(. ~ var_1, Test, length) 

var_1 var_2 var_3
a     3     3
b     2     2
c     5     5

我试过了

unqbyv1= aggregate(. ~ var_1, Test, length(unique(x)))

但这没有用。

非常感谢任何帮助。

【问题讨论】：

您的第二个aggregate 方法几乎是正确的！

标签： r unique aggregate

【解决方案1】：

试试

library(dplyr)
Test %>%
      group_by(var_1) %>% 
      summarise_each(funs(n_distinct(.)))

或者

library(data.table)#v1.9.5+
setDT(Test)[, lapply(.SD, uniqueN), var_1]

如果有 NAs

setDT(Test)[, lapply(.SD, function(x) uniqueN(na.omit(x))), var_1]

或者您可以使用aggregate。默认情况下，na.action=na.omit。所以，我们不需要任何修改。

aggregate(.~ var_1, Test, FUN=function(x) length(unique(x)) )

【讨论】：

太棒了，效果很好。我将不得不更多地使用 dplyr，因为它似乎可以解决问题。祝你有美好的一天。
刚刚注意到没有省略 NA 值，我该如何在其中添加那段脚本？我尝试在开头添加 na.omit() %>% 但这不起作用。
在我的大型数据集中，我注意到使用此脚本不会省略 NA 值。我尝试在开头添加 na.omit() %>% 但这不起作用，因为它正在删除所有具有 na 值的行，而不是在倒数每一列时忽略它们。
感谢您的额外帮助，但对于具有 NA 值的较大数据集仍然不合适。上面的聚合行删除了所有 NA 行，因此我得到了每列的一个非常简短的唯一计数。我只是希望它不计算 NA，而是计算每列中其余的唯一条目。
@Ina.Quest na.omit 可能应该靠近each-column 操作，就像n_distinct(na.omit(.))，我猜

【解决方案2】：

试试这个：

apply(Test[-1] , 2 , function(y) tapply(y,Test$var_1,function(x) length(unique(x))))

【讨论】：

谢谢，它适用于我更大的数据集上面的 dummydata 我收到一个错误：tapply 中的错误（y，oh$RM，函数（x）长度（唯一（x）））：参数必须具有相同的长度...知道这意味着什么吗？
如果列名错误，@Ina.Quest oh$RM 的长度将为零。
@Erin - 我试过了： apply(oh[-1] , 2 , function(y) tapply(y,oh$RM,function(x) length(unique(x)))) -其中 oh 是我的数据集，RM 是我要排序的列。当我运行脚本时，我收到了上面发布的错误。
如果不查看您的实际数据集，很难说出问题所在。