Question

如果数据框中的列包含零长度字符串，则将其传递给levels（）函数将返回零长度字符串。但是，unique（）不会。这对我来说似乎是违反直觉的，而且我找不到任何解释这一点的文档。有谁知道为什么会这样？

示例：

d <- data.frame( col1 = c("", 'a', 'b'))  # Contains "".

调用unique（）：

unique(d$col1)

unique（）不返回零长度字符串元素：

[1]   a b
Levels:  a b

levels（）在结果中包含“”：

levels(d$col1)
[1] ""  "a" "b"

Answer 1

这与打印方法有关。从文档中，unique的返回值：

对于矢量，x的相同类型的对象，但每个重复元素只有一个副本。没有复制任何属性（因此结果没有名称）。

事实上，您可以看到unique返回一个因素，因为col1也是一个因素：

class(unique(d$col1))
[1] "factor"

然而，levels的返回值是一个字符向量：

class(levels(d$col1))
[1] "character"

因此，unique会打印空字符串但没有双引号。另一种方法是定义不带因子列的df：

d <- data.frame(col1 = c("", 'a', 'b'), stringsAsFactors = F)

这里unique确实会返回想要的“”。当然levels仅适用于因素而且不再适用：

unique(d$col1)
[1] ""  "a" "b"