两个或多个字段/变量的R等效于SELECT DISTINCT

Question

假设我有一个包含两列或更多列的数据框df，是否有一种简单的方法可以使用unique()或其他R函数来创建两列或更多列的唯一组合的子集？

我知道我可以使用sqldf()并编写一个简单的"SELECT DISTINCT var1, var2, ... varN"查询，但我正在寻找一种R方式。

我突然想到 ftable 强制使用 dataframe 并使用字段名称，但我也得到了组合中不存在的组合的交叉表数据集：

uniques <- as.data.frame(ftable(df$var1, df$var2))

Answer 1

unique适用于data.frame，因此unique(df[c("var1","var2")])应该是您想要的。

另一个选项是来自dplyr package的distinct：

df %>% distinct(var1, var2) # or distinct(df, var1, var2)

注意：

对于旧版本的dplyr（< 0.5.0, 2016-06-24）distinct需要额外的步骤

df %>% select(var1, var2) %>% distinct

（或古老的方式distinct(select(df, var1, var2))）。

Answer 2

@Marek的答案显然是正确的，但可能已经过时了。当前的dplyr版本（0.7.4）允许更简单的代码：

只需使用：

df %>% distinct(var1, var2)

如果要保留所有列，请添加

df %>% distinct(var1, var2, .keep_all = TRUE)

Answer 3

要保留df中的所有其他变量，请使用：

unique_rows <- !duplicated(df[c("var1","var2")])

unique.df <- df[unique_rows,]

另一个不太推荐的方法是使用row.names（）＃（参见下面David的评论）：

unique_rows <- row.names(unique(df[c("var1","var2")]))

unique.df <- df[unique_rows,]

Answer 4

除了上面的答案，data.table版本：

setDT(df)

unique_dt = unique(df, by = c('var1', 'var2'))