过滤数据集中的行以查找 r 中的不同单词答案

【问题标题】：Filter rows in dataset for distinct words in r过滤数据集中的行以查找 r 中的不同单词
【发布时间】：2021-05-05 01:09:57
【问题描述】：

目标：过滤数据集中的行，以便只保留不同的单词目前，我使用inner_join 保留 2 个数据集中的行，这使我在这个数据集中的行重复。

尝试 1：我尝试使用distinct 仅保留那些唯一的行，但这没有奏效。我可能用错了。

到目前为止，这是我的代码；以 png 格式附加的输出:


# join warriner emotion lemmas by `word` column in collocations data frame to see how many word matches there are

warriner2 <- dplyr::inner_join(warriner, coll, by = "word") # join data; retain only rows in both sets (works both ways)
warriner2 <- distinct(warriner2)
warriner2

coll2 <- dplyr::semi_join(coll, warriner, by = "word") # join all rows in a that have a match in b

# There are 8166 lemma matches (including double-ups)
# There are XXX unique lemma matches

【问题讨论】：

图片不是共享数据/代码的正确方式。以更易于复制的可复制格式添加它们。阅读how to give a reproducible example。

标签： r data-wrangling

【解决方案1】：

你可以试试：

library(dplyr)

warriner2 <- inner_join(warriner, coll, by = "word") %>%
                distinct(word, .keep_all = TRUE)

【讨论】：

【解决方案2】：

为了进一步阐明 Ronak 的答案，这里有一个带有一些模拟数据的示例。请注意，如果这是您想要的，您可以在管道的末尾使用 distinct() 来保留不同的列。您的错误很可能已经发生，因为您执行了两次操作，并且两次都将结果分配给了相同的名称 (warriner2)。

library(dplyr)

# Here's a couple sample tibbles
name <- c("cat", "dog", "parakeet")

df1 <- tibble(
        x = sample(5, 99, rep = TRUE),
        y = sample(5, 99, rep = TRUE),
        name = rep(name, times = 33))
df2 <- tibble(
        x = sample(5, 99, rep = TRUE),
        y = sample(5, 99, rep = TRUE),
        name = rep(name, times = 33))

# It's much less confusing if you do this in one pipe
p <- df1 %>%
        inner_join(df2, by = "name") %>%
        distinct()

【讨论】：