Select 列中的第一个新值

Question

我有一个包含 351080 个观察值的数据集（转置）如下所示：

Subject     1 1 1 2 2 3 3 3 3  
nationality G G G D D S S S S

与：

table(dat$Nationality)

R 只是 returns 观察的总数。我怎样才能告诉 R 只 select 每个受试者的国籍一次？

Answer 1

构造数据：

dat <- data.frame(Subject = rep(1:3, each=3),
                  Nationality = rep(c("G","D","S"), each=3))

试试这个：

with(dat,table(tapply(as.character(Nationality),
                      list(Subject),head,n=1)))
## D G S 
## 1 1 1

with() 在数据框的上下文中查找，以避免一直输入 dat$
tapply() 在向量 (Nationality) 的每个元素上运行指定的函数 (head)，由组 (list(Subject)) 分隔，带有可选参数 (n=1 只取第一个元素）。
as.character() 很难看，但会阻止 R 将因子转换为数字代码。
table 计算 table.

你也可以试试这个：

library("dplyr")
d2 <- dat %>% group_by(Subject) %>%
              summarise(Nationality=head(Nationality,1))
table(d2$Nationality)

测试速度：

n <- 351078 ## divisible by 3, for convenience
set.seed(101)
nat <- sample(c("G","D","S"),size=n/3,replace=TRUE)
dat <- data.frame(Subject = rep(1:(n/3),each=3),
                  Nationality = rep(nat,each=3))
system.time(tab <- with(dat,table(tapply(as.character(Nationality),
                      list(Subject),head,n=1))))

这在我的机器上大约需要 1.9 秒...

另一方面

 system.time(tab2 <- with(dat,table(Nationality[!duplicated(Subject)])))

大约需要 0.02 (!) 秒...

Select 列中的第一个新值

Select the first new value in a column

r

unique