代码之家 › 专栏 › 技术社区 › Tim Wilcox

如何缩小R中的数据帧

duplicates dplyr r

2

Tim Wilcox · 技术社区 · 5 年前

这里是手工创建的数据。有三个领域;状态、代码类型和代码。这样做的原因是,我正试图将它的一个更扩展的版本连接到一个由160万行组成的数据帧,并遇到内存不足的问题。我的思考过程是,我会大大减少这个表中的行数;工业。

state <- c(32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32)
codetype <- c(10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10)
code <- c(522,523,524,532,533,534,544,545,546,551,552,552,561,562,563,571,572,573,574)



industry = data.frame(state,codetype,code)

理想的结果是双重操作。首先,我会把六位数的代码缩短为2。这是通过。

industry<-industry %>% mutate(twodigit = substr(code,1,2).

这将产生第五列,两位数。目前,共有19个值。但只有7个两位数的唯一值;52,53,54,55,56,57。如何告诉它删除两位数的所有非唯一值?

1 回复 | 直到 5 年前

1

akrun 5 年前

我们可以用 distinct 并指定 .keep_all

library(dplyr)
industry %>%
   distinct(twodigit, .keep_all = TRUE)

另一种选择是使用 duplicated 在里面 filter

industry %>%
    filter(!duplicated(twodigit))

为了提高效率,可以使用 data.table

library(data.table)
setDT(industry)[!duplicated(substr(code, 1, 2))]

2

0

jpdugo17 5 年前

unique() 方法:

library(tidyverse)

state <- c(32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32)
codetype <- c(10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10)
code <- c(522,523,524,532,533,534,544,545,546,551,552,552,561,562,563,571,572,573,574)
industry = data.frame(state,codetype,code)
industry<-industry %>% mutate(twodigit = substr(code,1,2))


unique(industry$twodigit) %>%
    map_dfr(~filter(industry, twodigit == .x)[1, ])
#>   state codetype code twodigit
#> 1    32       10  522       52
#> 2    32       10  532       53
#> 3    32       10  544       54
#> 4    32       10  551       55
#> 5    32       10  561       56
#> 6    32       10  571       57

^{于2021-06-10由

reprex package

(2.0.0版)}