r - 独特与独特之间的区别

Question

distinct有什么区别和 unique在 R 中使用 dplyr 考虑到:

速度

功能(有效输入、参数等)和用途

输出

例如:

library(dplyr)
data(iris)

# creating data with duplicates
iris_dup <- bind_rows(iris, iris)

d <- distinct(iris_dup)
u <- unique(iris_dup)

all(d==u) # returns True

在这个例子中 distinct和 unique执行相同的功能。有没有你应该使用一个而不是另一个的例子？是否有任何技巧或常见用途？

Answer 1

这些函数可以互换使用，因为在这两个函数中都存在等效的命令。主要区别在于速度和输出格式。
distinct()是 dplyr 包下的一个函数，可以自定义。例如，以下代码段仅返回数据框中指定列集的不同元素

distinct(iris_dup, Petal.Width, Species)

unique()严格返回数据框中的唯一行。每行中的所有元素都必须匹配才能被称为重复项。

编辑:正如 Imo 指出的那样， unique()有类似的功能。我们获得一个临时数据框并从中找到唯一的行。对于大型数据帧，此过程可能会更慢。

unique(iris_dup[c("Petal.Width", "Species")])

两者都返回相同的输出(尽管有一点差异 - 它们表示 不同的 行号)。 distinct返回一个有序列表，而 unique返回每个唯一元素第一次出现的行号。

     Petal.Width    Species
1          0.2     setosa
2          0.4     setosa
3          0.3     setosa
4          0.1     setosa
5          0.5     setosa
6          0.6     setosa
7          1.4 versicolor
8          1.5 versicolor
9          1.3 versicolor
10         1.6 versicolor
11         1.0 versicolor
12         1.1 versicolor
13         1.8 versicolor
14         1.2 versicolor
15         1.7 versicolor
16         2.5  virginica
17         1.9  virginica
18         2.1  virginica
19         1.8  virginica
20         2.2  virginica
21         1.7  virginica
22         2.0  virginica
23         2.4  virginica
24         2.3  virginica
25         1.5  virginica
26         1.6  virginica
27         1.4  virginica

总的来说，这两个函数都根据所选的组合列返回唯一的行元素。但是，我倾向于引用 dplyr图书馆并声明 distinct是比较快的。