计算向量中不同值的数量

时间:2013-08-05 10:56:01

标签: r performance count

我有一个标量值向量,我试图得到:“有多少不同的值”。

例如在group <- c(1,2,3,1,2,3,4,6)中,唯一值为1,2,3,4,6,因此我想获得5

我想出了:

length(unique(group))

但我不确定这是最有效的方法。有没有更好的方法来做到这一点?

注意:我的情况比示例复杂,包含大约1000个数字,最多25个不同的值。

6 个答案:

答案 0 :(得分:29)

以下是一些想法,所有针对您的解决方案的要点已经非常快。我会使用length(unique(x))

x <- sample.int(25, 1000, TRUE)

library(microbenchmark)
microbenchmark(length(unique(x)),
               nlevels(factor(x)),
               length(table(x)),
               sum(!duplicated(x)))
# Unit: microseconds
#                 expr     min       lq   median       uq      max neval
#    length(unique(x))  24.810  25.9005  27.1350  28.8605   48.854   100
#   nlevels(factor(x)) 367.646 371.6185 380.2025 411.8625 1347.343   100
#     length(table(x)) 505.035 511.3080 530.9490 575.0880 1685.454   100
#  sum(!duplicated(x))  24.030  25.7955  27.4275  30.0295   70.446   100

答案 1 :(得分:6)

我已经使用过这个功能

length(unique(array))

它工作正常,不需要外部库。

答案 2 :(得分:5)

您可以使用rle

中的base
  x<-c(1,2,3,1,2,3,4,6)
  length(rle(sort(x))$values)

rle生成两个向量(lengthsvalues)。 values向量的长度为您提供唯一值的数量。

答案 3 :(得分:4)

来自uniqueN

data.table功能相当于length(unique(group))。它在较大的数据集上也要快几倍,但在你的例子上却没有那么多。

library(data.table)
library(microbenchmark)

xSmall <- sample.int(25, 1000, TRUE)
xBig <- sample.int(2500, 100000, TRUE)
microbenchmark(length(unique(xSmall)), uniqueN(xSmall), 
               length(unique(xBig)), uniqueN(xBig))

#Unit: microseconds
#                    expr      min        lq       mean    median        uq      max neval cld
#1 length(unique(xSmall))   17.742   24.1200   34.15156   29.3520   41.1435  104.789   100 a  
#2        uniqueN(xSmall)   12.359   16.1985   27.09922   19.5870   29.1455   97.103   100 a  
#3   length(unique(xBig)) 1611.127 1790.3065 2024.14570 1873.7450 2096.5360 3702.082   100 c
#4          uniqueN(xBig)  790.576  854.2180  941.90352  896.1205  974.6425 1714.020   100 b 

答案 4 :(得分:0)

如果要获取矩阵,数据框或列表中唯一元素的数量,则可以执行以下代码:

  if( typeof(Y)=="list"){ # Y is a list or data frame
    # data frame to matrix
    numUniqueElems <- length( na.exclude( unique(unlist(Y)) ) )
  } else if ( is.null(dim(Y)) ){ # Y is a vector
    numUniqueElems <- length( na.exclude( unique(Y) ) )
  } else { # length(dim(Y))==2, Yis a matrix
    numUniqueElems <- length( na.exclude( unique(c(Y)) ) )
  }

答案 5 :(得分:0)

我们可以使用n_distinct中的dplyr

dplyr::n_distinct(group)
#[1] 5