dplyr包中的distinct()函数

脑系科数据科学 2020-04-15

展开全文

dplyr包中distinct()函数与base包中的unique()函数比较类似，不同的是unique()是一个泛型函数，可以针对向量、矩阵、数组、数据框甚至列表这五种数据类型，求取唯一值。而distinct()函数则是专门为数据框设计的，这也与tidyverse系列包的宗旨一致。

之前用distinct()函数的时候，总容易出现问题，归根结底是没有弄明白distinct()各参数的含义，囫囵吞枣的看了看文档，就开始写了。今天看到一篇很不错的博客，里面提到了distinct()函数，感觉作者讲的很不错。

distinct()用于对输入的tbl进行去重，返回无重复的行，类似于base::unique()。
函数，但是处理速度更快。原数据集行名称会被过滤掉。
语法：

1	distinct(.data, ..., .keep_all = FALSE)

1	library(dplyr)

df <- tibble::tibble(
x = sample(10, 100, rep = TRUE),
y = sample(10, 100, rep = TRUE)
)
df

#> # A tibble: 100 x 2
#>        x     y
#>    <int> <int>
#>  1     2     9
#>  2     6     7
#>  3     2    10
#>  4     6     9
#>  5     7     8
#>  6    10     1
#>  7     7     9
#>  8     9     9
#>  9     8     2
#> 10     3     1
#> # ... with 90 more rows

100

101

102

103

104

105

106

107

108

109

110

111

112

# 以全部两个变量去重，返回去重后的行数
distinct(df)
#> # A tibble: 62 x 2
#>        x     y
#>    <int> <int>
#>  1     2     9
#>  2     6     7
#>  3     2    10
#>  4     6     9
#>  5     7     8
#>  6    10     1
#>  7     7     9
#>  8     9     9
#>  9     8     2
#> 10     3     1
#> # ... with 52 more rows
# 和`distinct(df)`结果一样
distinct(df, x, y)
#> # A tibble: 62 x 2
#>        x     y
#>    <int> <int>
#>  1     2     9
#>  2     6     7
#>  3     2    10
#>  4     6     9
#>  5     7     8
#>  6    10     1
#>  7     7     9
#>  8     9     9
#>  9     8     2
#> 10     3     1
#> # ... with 52 more rows
# 以变量x去重，只返回去重后的x值  
distinct(df, x)
#> # A tibble: 10 x 1
#>        x
#>    <int>
#>  1     2
#>  2     6
#>  3     7
#>  4    10
#>  5     9
#>  6     8
#>  7     3
#>  8     5
#>  9     4
#> 10     1
# 以变量y去重，只返回去重后的y值  
distinct(df, y)
#> # A tibble: 10 x 1
#>        y
#>    <int>
#>  1     9
#>  2     7
#>  3    10
#>  4     8
#>  5     1
#>  6     2
#>  7     5
#>  8     6
#>  9     4
#> 10     3
# 以变量x去重，返回所有变量  
distinct(df, x, .keep_all = TRUE)
#> # A tibble: 10 x 2
#>        x     y
#>    <int> <int>
#>  1     2     9
#>  2     6     7
#>  3     7     8
#>  4    10     1
#>  5     9     9
#>  6     8     2
#>  7     3     1
#>  8     5     5
#>  9     4     4
#> 10     1     9
# 以变量y去重，返回所有变量，相当于
distinct(df, y, .keep_all = TRUE)
#> # A tibble: 10 x 2
#>        x     y
#>    <int> <int>
#>  1     2     9
#>  2     6     7
#>  3     2    10
#>  4     7     8
#>  5    10     1
#>  6     8     2
#>  7     7     5
#>  8     3     6
#>  9     8     4
#> 10     2     3
# 对变量运算后的结果去重  
distinct(df, diff = abs(x - y))
#> # A tibble: 10 x 1
#>     diff
#>    <int>
#>  1     7
#>  2     1
#>  3     8
#>  4     3
#>  5     9
#>  6     2
#>  7     0
#>  8     6
#>  9     5
#> 10     4