从R中的数据表中提取唯一行[重复]

Question

我正在从数据框和矩阵迁移到数据表，但还没有找到从数据表中提取唯一行的解决方案。我想我在[,J] 表示法上遗漏了一些东西，尽管我还没有在常见问题解答和介绍小插曲中找到答案。如何在不转换回数据帧的情况下提取唯一行？

这是一个例子：

library(data.table)
set.seed(123)
a <- matrix(sample(2, 120, replace = TRUE), ncol = 3)
a <- as.data.frame(a)
b <- as.data.table(a)

# Confirm dimensionality
dim(a) # 40  3
dim(b) # 40  3

# Unique rows using all columns
dim(unique(a))  # 8 3
dim(unique(b))  # 34 3

# Unique rows using only a subset of columns
dim(unique(a[,c("V1","V2")]))   # 4 2
dim(unique(b[,list(V1,V2)]))    # 29 2

相关问题：这种行为是否是数据未排序的结果，就像 Unix uniq 函数一样？

Answer 1

在 data.table v1.9.8 之前，unique.data.table 方法的默认行为是使用键来确定应该返回唯一组合的列。如果key 是NULL（默认值），则可以取回原始数据集（如在 OP 情况下）。

从 data.table 1.9.8+ 开始，unique.data.table 方法默认使用所有列，这与基础 R 中的 unique.data.frame 一致。要让它使用键列，请将 by = key(DT) 显式传递给 @987654329 @（将调用 key 中的 DT 替换为 data.table 的名称）。

因此，旧的行为类似于

library(data.table) v1.9.7-
set.seed(123)
a <- as.data.frame(matrix(sample(2, 120, replace = TRUE), ncol = 3))
b <- data.table(a, key = names(a))
## key(b)
## [1] "V1" "V2" "V3"
dim(unique(b)) 
## [1] 8 3

而对于 data.table v1.9.8+，只是

b <- data.table(a) 
dim(unique(b)) 
## [1] 8 3
## or dim(unique(b, by = key(b)) # in case you have keys you want to use them

或者没有副本

setDT(a)
dim(unique(a))
## [1] 8 3

Answer 2

正如 Seth 所说，data.table 包已经发展，现在为此提出了优化的功能。

对于所有不想进入文档的人，这里是做你想做的最快和最节省内存的方法：

uniqueN(a)

如果您只想选择列的子集，您可以使用 'by' 参数：

uniqueN(a,by = c('V1','V2'))

编辑：正如在 cmets 中提到的，这只会给出唯一行的计数。要获取唯一值，请改用 unique ：

unique(a)

对于一个子集：

unique(a[c('V1',"V2")], by=c('V1','V2'))