Question

在R中，我想以最快的方式找到数据帧唯一行的出现次数。

我有超过200万行，但数据适合我的16GB内存机器 table和ftable很快但是唯一组合的数量超过了它们可以处理的数量，所以我收到一条错误消息。

感谢

史蒂夫

Answer 1

使用count包中的plyr。它避免了数据中没有出现的组合（与表格等相反）。

Answer 2

如果问题是获得唯一线的数量：

sum(!duplicated(dfrm))

如果问题是要获得独特的线条：

dfrm[!duplicated(dfrm), ]

如果您想要一个独特组合的表，那么请考虑使用内置数据帧汽车的示例：

cars2 <- cars[sample(1:10, 20, replace=TRUE), ]  # to make some dups
table(apply(cars2,1,paste, sep=".", collapse="."))

# output #
10.18 10.26 10.34 11.17  4.10   4.2  7.22   7.4  8.16 
    2     3     3     3     3     1     1     2     2

Answer 3

这个问题可以使用SQL解决（这里我使用sqldf包）。来自@DWin的样本数据回答。

#Occurences of rows
sqldf("SELECT speed, dist, COUNT(*) AS N FROM cars2 GROUP BY speed, dist")
#Some statistics of occurences ;)
sqldf("SELECT N,COUNT(N) AS Freq from 
           (SELECT COUNT(*) AS N FROM cars2 GROUP BY speed,dist) 
       GROUP BY N")

Answer 4

countNbOccurrences = function(leX, leGroData){
    return(sum(leX == leGroData))
}

sapply( theRow, countNbOccurrences, leGroData = fullListOfRows)

查找行的出现次数

4 个答案: