r - 计算 EXCEL 2010 或 R 中一列中的唯一值，有 100 万行

Question

搜索论坛后，我没有找到这个问题的好解决方案。如果我错过了，请告诉我。

我需要计算 EXCEL 2010 中一列中的唯一值。

该工作表有 100 万行和 10 列。所有单元格值都是字符串或数字。

我使用了 Count unique values in a column in Excel 的解决方案

 =SUMPRODUCT((A2:A1000000<>"")/COUNTIF(A2:A100000,A2:A1000000&""))

但是，运行时间太长，EXCEL 几乎被卡住。并且，它在 Win 7 中生成 25 个进程。

有没有更有效的方法来做到这一点？

此外，在该列中，所有值的格式为

  AX_Y

  here, A is a character, X is an integer, Y is an integer from 1 to 10. 

  For example, A5389579_10

我需要在(包括)undersocre 之后切断部分。例如，

  A5389579

这就是我需要将其视为一列中所有单元格中的唯一值。

  For example, A5389579_10
               A1543848_6
               A5389579_8

这里，删除下划线后的部分后，唯一值有 2。

如何在 EXCEL VBA 和 R 中做到这一点(如果 EXCEL 没有有效的解决方案)？

Answer 1

如果您想通过 VBA 执行此操作，您可以利用 Collection目的。由于集合只能包含唯一值，因此尝试将所有输入数据添加到集合中会产生唯一值数组。下面的代码获取选定范围内的所有变量，然后将具有不同值的数组输出到另一个工作表(在本例中为名为 Output 的工作表)。

Sub ReturnDistinct()
    Dim Cell As Range
    Dim i As Integer
    Dim DistCol As New Collection
    Dim DistArr()
    Dim OutSht As Worksheet
    Dim LookupVal As String

    Set OutSht = ActiveWorkbook.Sheets("Output") '<~~ Define sheet to putput array

    If TypeName(Selection) <> "Range" Then Exit Sub

    'Add all distinct values to collection
    For Each Cell In Selection
        If InStr(Cell.Value, "_") > 0 Then
            LookupVal = Mid(Cell.Value, 1, InStr(Cell.Value, "_") - 1)
        Else
            LookupVal = Cell.Value
        End If
        On Error Resume Next
        DistCol.Add LookupVal, CStr(LookupVal)
        On Error GoTo 0
    Next Cell

    'Write collection to array
    ReDim DistArr(1 To DistCol.Count, 1 To 1)
    For i = 1 To DistCol.Count Step 1
        DistArr(i, 1) = DistCol.Item(i)
    Next i

    'Outputs distinct values
    OutSht.Range("A1:A" & UBound(DistArr)).Value = DistArr
End Sub

请注意，由于此代码将所有不同的值写入 OutSht 中的单个列。 -sheet，如果数据集中有超过 1,048,576 个不同的值，这将返回错误。在这种情况下，您必须将要填充的数据拆分为多个输出列。