如何根据 R 中的另一列在选定的行列组合中获取唯一值

Question

我有一个包含很多 NA 的 29 行和 26 列的数据框。数据看起来有点像下图（在 R 工作室工作）

V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
a1 b1 d1 d2 d3 d4 d5 na na e2
a1 b2 d2 d4 d1 e2 na e1 na na
a1 b3 d5 d3 d1 d4 na na e1 e2
a2 c1 e1 e2 na e3 na d2 d1 d4
a2 c2 d2 d4 d1 e2 na e1 na na
a2 c3 d5 d3 d1 d4 na na e1 e2

这里我们有 V1-V10 列 a1 和 a2 是第 1 列中的 2 个不同值 V2 列中的 b1-b3 是与 V1 中的 a1 相关的不同值 V3-V10 列的每一行都有不同的值

我想要的结果如下-

NewV1 Newv2  NewV3
a1     3      7
a2     3      8

总结一下，我想根据 V1 获得（V2 值的总计数和 V3-V10 的不同值的计数）

Answer 1

看起来，没有人可以重现您的结果。你的工作区分大小写吗？ 如果是这样，对于dplyr 方法，您可以尝试：

# import libraries and data
library(tidyverse)

df <- read.table(text = "V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
a1 b1 d1 d2 d3 d4 d5 NA NA E2
a1 b2 d2 d4 d1 E2 NA E1 NA NA
a1 b3 d5 d3 d1 d4 NA NA E1 E2
a2 c1 E1 E2 NA E3 NA D2 D1 D4
a2 c2 d2 d4 d1 E2 NA E1 NA NA
a2 c3 d5 d3 d1 d4 NA NA E1 E2", sep=" ", header = T, stringsAsFactors = F)

因为您的工作区分大小写，我们添加：

df <- data.frame(lapply(df, function(x) {
  if (is.character(x)) return(toupper(x))
  else return(x)
}))

现在运行：

 n_V2 <- df %>%
   gather(key, value, - V1, -V2) %>%
   group_by(V1) %>%
   distinct(V2) %>%
   summarise(Newv2=n())

 n_Vx <- df %>%
   gather(key, value, - V1, -V2) %>%
   filter(!is.na(value)) %>%
   group_by(V1) %>%
   distinct(value) %>%
   summarise(Newv3=n())  

 n_V2 %>% left_join(n_Vx)

输出完全是你的：

 Joining, by = "V1"
 # A tibble: 2 x 3
   V1    Newv2 Newv3
   <fct> <int> <int>
 1 a1        3     7
 2 a2        3     8

Answer 2

按照您的算法描述，您可以使用data.table：

library("data.table")

dt <- fread(
"V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
a1 b1 d1 d2 d3 d4 d5 NA NA E2
a1 b2 d2 d4 d1 E2 NA E1 NA NA
a1 b3 d5 d3 d1 d4 NA NA E1 E2
a2 c1 E1 E2 NA E3 NA D2 D1 D4
a2 c2 d2 d4 d1 E2 NA E1 NA NA
a2 c3 d5 d3 d1 d4 NA NA E1 E2")
dt[, .(nV2=length(V2), u3.10=uniqueN(na.omit(tolower(unlist(.SD))))), by=V1, .SDcols=3:10]
#    V1 nV2 u3.10
# 1: a1   3     7
# 2: a2   3     8

如果您有一个数据框 df，您可以通过以下方式将其强制转换为 data.table-object：

setDT(df)

Answer 3

您可以使用 data.table 来做到这一点：

library(data.table)
L3 <- LETTERS[1:3]
fac2 <- sample(L3, 10, replace = TRUE)
fac <- sample(L3, 10, replace = TRUE)
d <- data.frame(fac2 = fac2, fac = fac)
dd <- as.data.table(d)
dd[, num := length(unique(fac)), fac2]
dd[, mean(num), fac2]

最好的问候