r - 更好的方法来消除 r 中数据帧的两列之间的冗余

Question

如果我有一个包含一列名称和另一列站点的数据框，并且我想确定唯一名称与站点关系的数量。

我编写了以下脚本。它可以工作，但对于我的真实数据来说感觉很慢并且速度很慢：

df = data.frame(name = c("dave", "bob", "dave", "john", "fred", "dave"), site = c(1,2,2,1,1,1))
redun = vector()
for (i in 1:length(df$name)){
  redun[i] = paste(df$name[i], df$site[i])
}
uniq = length(unique(redun))

Answer 1

您可以使用聚合。这将方便地告诉您谁的名字有多少个独特的站点；

aggregate( site ~ name , data = df , function(x) length( unique(x) ) )
#  name site
#1  bob    1
#2 dave    2
#3 fred    1
#4 john    1

如果您想按名称知道有多少独特的网站，只需总结：

sum(aggregate( site ~ name , data = df , function(x) length( unique(x) ) )$site)
[1] 5

Answer 2

您不需要for循环，只需执行以下操作：

length(unique(with(df, paste(name, site))))

甚至更短（我认为也更快）是：

nrow(unique(df))

Answer 3

也许你想检查一下? duplicated。

> duplicated( df )
[1] FALSE FALSE FALSE FALSE FALSE  TRUE
> sum( !duplicated( df ) )
[1] 5

编辑或根据您在原始帖子中的评论：

> duplicated( df[ c("name", "site" ) ] )
[1] FALSE FALSE FALSE FALSE FALSE  TRUE
> sum( !duplicated( df[ c("name", "site" ) ] ) )
[1] 5