sql - R 等效于两个或多个字段/变量上的 SELECT DISTINCT

Question

假设我有一个包含两列或更多列的数据框 df，是否有一种简单的方法可以使用unique()或其他 R 函数来创建两列或更多列的唯一组合的子集？

我知道我可以使用sqldf()和编写一个简单的"SELECT DISTINCT var1, var2, ... varN"查询，但我正在寻找一种 R 方式来做到这一点。

我想到尝试将 ftable强制转换为数据框并使用字段名称，但我也得到了数据集中不存在的组合的交叉表：

uniques <- as.data.frame(ftable(df$var1, df$var2))

Answer 1

unique工作data.frame所以unique(df[c("var1","var2")])应该是你想要的。

另一种选择是distinct来自dplyrpackage：

df %>% distinct(var1, var2) # or distinct(df, var1, var2)

笔记：

对于旧版本的 dplyr ( < 0.5.0, 2016-06-24 )distinct需要额外的步骤

df %>% select(var1, var2) %>% distinct

（或古老的方式distinct(select(df, var1, var2))）。

Answer 2

@Marek 的回答显然是正确的，但可能已经过时了。当前dplyr版本（0.7.4）允许更简单的代码：

只需使用：

df %>% distinct(var1, var2)

如果要保留所有列，请添加

df %>% distinct(var1, var2, .keep_all = TRUE)

Answer 3

要保留 df 中的所有其他变量，请使用以下命令：

unique_rows <- !duplicated(df[c("var1","var2")])

unique.df <- df[unique_rows,]

另一个不太推荐的方法是使用 row.names() #（见下面大卫的评论）：

unique_rows <- row.names(unique(df[c("var1","var2")]))

unique.df <- df[unique_rows,]

Answer 4

除了上面的答案，data.table 版本：

setDT(df)

unique_dt = unique(df, by = c('var1', 'var2'))