测试一个值在 R 中的向量中是否唯一答案

【问题标题】：Test if a value is unique in a vector in R测试一个值在 R 中的向量中是否唯一
【发布时间】：2015-08-21 22:34:26
【问题描述】：

让我们假设以下示例：

test<-c(1:5,3:7)

给了

test
[1] 1 2 3 4 5 3 4 5 6 7

我想要一个简单的函数，如果值在向量中是唯一的，则返回 TRUE。

[1] TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE

我尝试了什么：

unique(test) 只给我返回唯一值，包括那些重复的值。 duplicated(test) 还给我

[1] FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE TRUE FALSE FALSE

这显然不是必需的结果，因为函数会按顺序测试重复的观察结果，并且第一次出现不计为重复。我当然可以通过包含fromLast = T 来反转控制序列并创建两个向量。在这两个中，我可以创建第三个来表示真正的独特价值……但这相当复杂。

table(test) 允许我计算每个值的出现次数

test
1 2 3 4 5 6 7 
1 1 2 2 2 1 1

这使我更接近我想要的结果，但仍然不是所需的结果（相同长度的向量表明它在向量中是否唯一。）

所以有人知道如何更容易吗？

【问题讨论】：

标签： r vector unique

【解决方案1】：

匹配运算符%in% 很有帮助：

!test %in% test[duplicated(test)]

【讨论】：

【解决方案2】：

您最初建议使用 duplicated() 的 fromLast = TRUE 开关与 OR 运算符相结合似乎是一个简单而优雅的解决方案：

test <- c(1:5, 3:7)
test
## [1] 1 2 3 4 5 3 4 5 6 7

duplicated(test) # incorrect result
## [1] FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE

duplicated(test) | duplicated(test, fromLast = TRUE) # correct result
## [1] FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE

当使用 data.table 按组执行操作时，这个玩法很不错，如果你的变量名称是行值或组列向量，语法会产生歧义。

【讨论】：

【解决方案3】：

test<-c(1:5,3:7)
isUnique <- function(vector){
                 return(!any(duplicated(vector)))
           }
isUnique(test)

如果向量的值是唯一的，该函数将返回true

【讨论】：

您的函数没有返回预期的结果。它应该为向量的每个元素返回一个逻辑值，确定它在向量中是否唯一。

【解决方案4】：

虽然已经有一段时间了，但另一种选择。让数字说话：

library(microbenchmark)
library(DescTools)

set.seed(1789)
x <- sample(round(rnorm(1000), 3), 1e5, replace = TRUE)
bm <- microbenchmark(
            "!AllDuplicated(x)"             = !AllDuplicated(x),
            "!x %in% x[duplicated(x)]"      = !x %in% x[duplicated(x)]
      )
print(bm , unit="relative" , digits=3 , order="median" )

Unit: relative
                     expr  min   lq mean median   uq   max neval cld
        !AllDuplicated(x) 1.00 1.00 1.00   1.00 1.00 1.000   100   a
 !x %in% x[duplicated(x)] 1.44 1.43 1.16   1.45 1.52 0.143   100   a

所以我们看到了 DescTools::AllDuplicated()，顺便说一下，它实现了 joaoal 的公式化解决方案思想，以 x 为数字获胜，但在处理字符时失败了受害者（尽管仅针对中位数，而不是运行的均值)。

z <- as.character(x)
bm <- microbenchmark(
            "!AllDuplicated(z)"             = AllDuplicated(z),
            "!z %in% z[duplicated(z)]"      = !z %in% z[duplicated(z)]
       )
print(bm , unit="relative" , digits=3 , order="median")

Unit: relative
                     expr  min   lq mean median   uq  max neval cld
 !z %in% z[duplicated(z)] 1.00 1.00 1.00   1.00 1.00 1.00   100   a
        !AllDuplicated(z) 1.09 1.09 0.97   1.06 0.68 1.16   100   a

【讨论】：