Question

如果我使用字符串列创建R data.table而不调用stringsAsFactors=TRUE然后尝试使用unique获取数据表的唯一行，那么字符串将从结果表中删除，尽管在确定哪些行是唯一的时，会考虑它们。

> dt <- data.table(x=c('a', 'a', 'b', 'c'), y=c(1, 1, 2, 2), stringsAsFactors=FALSE)
> unique(dt)
   x y
1:   1
2:   2
3:   2
> dt <- data.table(x=c('a', 'a', 'b', 'c'), y=c(1, 1, 2, 2), stringsAsFactors=TRUE)
> unique(dt)
   x y
1: a 1
2: b 2
3: c 2

这是正确的行为吗？我正在使用Cygwin并在之前的R内部发现了一些神秘的Cygwin特定问题。这是sessionInfo()的读数：

R version 3.4.0 (2017-04-21)
Platform: x86_64-unknown-cygwin (64-bit)
Running under: CYGWIN_NT-6.1 INT-3A02 2.8.1(0.312/5/3) 2017-07-03 14:11 x86_64 Cygwin

Matrix products: default
LAPACK: /usr/lib/R/modules/lapack.dll

locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base

other attached packages:
[1] data.table_1.10.4

loaded via a namespace (and not attached):
[1] bit_1.1-12     compiler_3.4.0 bit64_0.9-7

Answer 1

duplicated()功能可能会提供解决方法。对于我的系统上的两种情况，dt[!duplicated(dt), ]都返回与unique(dt)相同的结果（Ubuntu linux，R版本3.13.0-121-通用）

library(data.table)
dt <- data.table(x=factor(c('a', 'a', 'b', 'c')), y=c(1, 1, 2, 2))
all.equal(unique(dt), dt[!duplicated(dt), ])
[1] TRUE
>

dt <- data.table(x=c('a', 'a', 'b', 'c'), y=c(1, 1, 2, 2))
all.equal(unique(dt), dt[!duplicated(dt), ])
[1] TRUE
>

相关文章：DefaultPropertySelector.cs

如何使用unique（）来处理带有字符列的data.tables？

1 个答案: