Question

对于数据框df，我需要找到some_col的唯一值。试过以下

length(unique(df["some_col"]))

但这并没有给出预期的结果。但是length(unique(some_vector))适用于矢量并提供预期结果。

创建df时的前面几个步骤

df <- read.csv(file, header=T)
typeof(df) #=> "list"
typeof(unique(df["some_col"])) #=> "list"
length(unique(df["some_col"])) #=> 1

Answer 1

尝试使用[[代替[。 [会返回list（事实上data.frame），[[会返回vector。

df <- data.frame( some_col = c(1,2,3,4),
                  another_col = c(4,5,6,7) )

length(unique(df[["some_col"]]))
#[1] 4

class( df[["some_col"]] )
[1] "numeric"

class( df["some_col"] )
[1] "data.frame"

您得到的值为1，因为list长度为1（1列），即使该1个元素包含多个值。

Answer 2

你需要使用

length(unique(unlist(df[c("some_col")])))

当您通过df [c（＆＃34; some_col＆＃34;）]或df [＆＃34; some_col＆＃34;]调用列时;它把它作为一个列表。取消列表会将其转换为矢量，您可以轻松地使用它。当您通过df $ some_col调用column时，它会将数据列拉为vector

Answer 3

我想你可能会错过, 尝试

length(unique(df[,"some_col"]))

回应评论：

df <- data.frame(cbind(A=c(1:10),B=rep(c("A","B"),5)))
df["B"]

输出：

B
1  A
2  B
3  A
4  B
5  A
6  B
7  A
8  B
9  A
10 B

和

length(unique(df[,"B"]))

输出：

[1] 1

与OP发布的

相同的错误/不良输出

但是用逗号 ,

df[,"B"]

输出：

 [1] A B A B A B A B A B
Levels: A B

和

length(unique(df[,"B"]))

现在OP为您提供正确/期望的输出。在这个例子中是2

[1] 2

原因是df["some_col"]调用data.frame和length调用对象类data.frame计算该对象中的data.frames数量为1，而df[,"some_col"]会向vector返回length和vector次调用，正确返回该向量中的元素数量。所以你看到逗号（,）会有所不同。

Answer 4

这是另一种选择：

df %>% 
distinct(column_name) %>% 
count()

或没有tidyverse的内容：

count(distinct(df, column_name))

在网络中查看基准测试，您会发现distinct（）很快。

Answer 5

data.table包包含方便的速记 uniqueN 。从documentation

uniqueN在x是解剖向量时等于length（unique（x）），在x是data.frame或data.table时等于nrow（unique（x））。唯一行的数量是直接计算的，而无需实现中间唯一数据表，因此速度更快且存储效率更高。

您可以将其与数据框一起使用：

df <- data.frame(some_col = c(1,2,3,4),
                 another_col = c(4,5,6,7) )
data.table::uniqueN(df[['some_col']])

[1] 4

或者如果您已经有一个data.table

dt <- setDT(df)
dt[,uniqueN(some_col)]

[1] 4

Answer 6

使用 tidyverse

df %>% 
  select("some_col") %>% 
  n_distinct()

R - 数据帧列中的唯一值数

6 个答案: