Est-il possible de sélectionner toutes les valeurs niques d'une colonne d'un data.frame
en utilisant select
fonction dans la bibliothèque dplyr
? Quelque chose comme "SELECT DISTINCT field1 FROM table1
"dans la notation SQL
.
Merci!
Dans dplyr 0.3, ceci peut être facilement réalisé en utilisant la méthode distinct()
.
Voici un exemple:
distinct_df = df %>% distinct(field1)
Vous pouvez obtenir un vecteur des valeurs distinctes avec:
distinct_vector = distinct_df$field1
Vous pouvez également sélectionner un sous-ensemble de colonnes en même temps que vous exécutez l'appel distinct()
, qui peut être plus clair à regarder si vous examinez le bloc de données à l'aide de head/tail/glimpse.:
distinct_df = df %>% distinct(field1) %>% select(field1) distinct_vector = distinct_df$field1
Juste pour ajouter aux autres réponses, si vous préférez renvoyer un vecteur plutôt qu'un cadre de données, vous avez les options suivantes:
dplyr <0.7.
Placez les fonctions dplyr entre parenthèses et combinez-les avec $
syntaxe:
(mtcars %>% distinct(cyl))$cyl
dplyr> = 0.7.
Utilisez le verbe pull
:
mtcars %>% distinct(cyl) %>% pull()
La fonction dplyr
select
sélectionne des colonnes spécifiques dans un cadre de données. Pour renvoyer des valeurs uniques dans une colonne de données particulière, vous pouvez utiliser la fonction group_by
. Par exemple:
library(dplyr)
# Fake data
set.seed(5)
dat = data.frame(x=sample(1:10,100, replace=TRUE))
# Return the distinct values of x
dat %>%
group_by(x) %>%
summarise()
x
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 10
Si vous souhaitez modifier le nom de la colonne, vous pouvez ajouter les éléments suivants:
dat %>%
group_by(x) %>%
summarise() %>%
select(unique.x=x)
Ceci sélectionne à la fois la colonne x
parmi toutes les colonnes du cadre de données que dplyr
renvoie (et bien sûr, il n'y a qu'une seule colonne dans ce cas) et change son nom en unique.x
.
Vous pouvez également obtenir les valeurs uniques directement dans la base R
avec unique(dat$x)
.
Si vous avez plusieurs variables et que vous souhaitez que toutes les combinaisons uniques apparaissent dans les données, vous pouvez généraliser le code ci-dessus comme suit:
set.seed(5)
dat = data.frame(x=sample(1:10,100, replace=TRUE),
y=sample(letters[1:5], 100, replace=TRUE))
dat %>%
group_by(x,y) %>%
summarise() %>%
select(unique.x=x, unique.y=y)