dplyr 有没有办法验证给定的一组变量是否唯一标识了管道中的数据？这对于验证数据在我认为它们在合并之前的级别是唯一的等很有用。
例如，这个数据集由变量 v 和 z 唯一标识。
myData <- tibble(
v=c(1, 1, 2, 3, 4),
z=c(0, 1, 1, 1, 1),
y=rnorm(5)
)
我希望能够在对 pip 进行操作后验证 v 和 z 唯一标识数据。例如：
myData %>%
mutate(y_squared=y^2) %>%
verify(any(duplicated(c('v', 'z')))==0)
但是这种方法的各种迭代会引发不同的错误。提前感谢您的帮助。
【问题讨论】：
我会使用基本 R 的 anyDuplicated（它返回重复的数量，因此我们将其与 0 进行比较）。
myData %>%
{anyDuplicated(select(., v, z)) == 0}
# TRUE
如果这些列中没有重复，它将返回TRUE，如果有重复，它将返回FALSE。
【讨论】：
== 比%>% 具有更高的优先级，所以如果没有大括号，R 将不幸地尝试比较anyDuplicated(...) == 0 在管道输入数据！ {} 将里面的内容组合为一个表达式，因此 R 知道要通过管道输入整个内容。
. 指的是您输入的任何数据，应该是您要检查的任何数据。我的问题中的示例显示了如何检查数据框，但结果将为 TRUE 或 FALSE。如果您想检查管道中间的某些内容，如果一切正常，则继续，但如果出现问题则停止，我们可以编写一个包装器...这是您想要的吗？
verify() 包含 anyDuplicated(...) == 0，因此在我的回答中，verify() 与 {} 的作用相同。
这是使用add_count的一种可能性：
myData %>%
add_count(v, z) %>%
filter(n != 1)
【讨论】：
这显示了重复的行：
myData %>%
mutate(y_squared=y^2) %>%
filter(duplicated(.[ ,c("v", "z")]))
【讨论】：
或者你可以签入base R：
length(unique(paste(myData$v, myData$z))) == nrow(myData)
如果你想使用管道语句：
library(tidyverse)
myData <- tibble(
v=c(1, 1, 2, 3, 4),
z=c(0, 1, 1, 1, 1),
y=rnorm(5) )
myData %>% summarize(is_v_z_unique = length(unique(paste(.$v, .$z))) == nrow(myData))
#> # A tibble: 1 x 1
#> is_v_z_unique
#> <lgl>
#> 1 TRUE
如果您只想要 1（表示 TRUE）和 0（表示 FALSE），情况如下：
library(tidyverse)
myData <- tibble(
v=c(1, 1, 2, 3, 4),
z=c(0, 1, 1, 1, 1),
y=rnorm(5) )
myData %>% summarize(is_v_z_unique = length(unique(paste(.$v, .$z))) == nrow(myData)) %>%
unlist() %>% as.numeric()
#> [1] 1
由reprex package (v0.3.0) 于 2021-01-06 创建
【讨论】：