时间戳

首页 > 解决方案 > 按唯一行计算重复行

r - 按唯一行计算重复行

问题描述

我认为这个非常简单的问题有一个非常简单的解决方案，但我无法弄清楚。

假设我有一个带有一些重复行的 data.table（第 3 行和第 4 行是相同的）

dt <- data.table( val1 = c(1,2,3,3,4,5,6), val2 = 8 )             
#    val1 val2
# 1:    1    8
# 2:    2    8
# 3:    3    8
# 4:    3    8
# 5:    4    8
# 6:    5    8
# 7:    6    8

我想丢弃重复的行，只保留唯一的行，并引入一个新列val3来指示一行在原始数据中出现的频率

预期输出：

dt.output <- data.table( val1 = c(1,2,3,4,5,6), val2 = 8, val3 = c(1,1,2,1,1,1) )             
#    val1 val2 val3
# 1:    1    8    1
# 2:    2    8    1
# 3:    3    8    2
# 4:    4    8    1
# 5:    5    8    1
# 6:    6    8    1

我有一种感觉，我几乎可以使用 update-join with unique(dt)[, val3 := ....]，但我无法让...部件返回我想要的东西，这让我发疯。

标签： rdata.table

解决方案

简单地

dt[, .(val3 = .N), by = .(val1, val2)]

或者继续您的第一种方法，可以执行以下操作：

unique(dt)[, val3 := dt[.SD, on = .(val1, val2), .N, by = .EACHI][, N]][]

请注意，也可以在 中使用字符向量by：

byvars <- grep("val\\d+", names(dt), value = TRUE)
dt[, .(val3 = .N), by = byvars]

推荐阅读