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。
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
包
base
x<-c(1,2,3,1,2,3,4,6)
length(rle(sort(x))$values)
rle
生成两个向量(lengths
和values
)。 values
向量的长度为您提供唯一值的数量。
答案 3 :(得分:4)
uniqueN
的 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