计算每列的唯一值

Question

我想返回表中每列的唯一值的计数.例如,如果我有表:

 Testdata <- data.frame(var_1 = c("a","a","a"), var_2 = c("b","b","b"), var_3 = c("c","d","e"))

 var_1 | var_2 | var_3
 a     | b     | c 
 a     | b     | d
 a     | b     | e

我希望输出为:

 Variable | Unique_Values
 var_1    | 1
 var_2    | 1
 var_3    | 3

我尝试使用独特的功能玩循环,例如

 for(i in names(Testdata)){
    # Code using unique function
 }

但我怀疑有一种更简单的方法.

Answer 1

你可以使用apply:

apply(Testdata, 2, function(x) length(unique(x)))
# var_1 var_2 var_3 
#     1     1     3

Answer 2

在dplyr:

Testdata %>% summarise_all(n_distinct)

Answer 3

这实际上是对@Ananda Mahto评论的改进.它不适合评论,所以我决定添加作为答案.

sapply实际上比lapply它快一点,并以更紧凑的形式给出输出,就像输出一样apply.

实际数据的测试运行结果:

> start <- Sys.time()
> apply(datafile, 2, function(x)length(unique(x)))
          symbol.           date     volume 
             1371            261      53647 
> Sys.time() - start
Time difference of 1.619567 secs
> 
> start <- Sys.time()
> lapply(datafile, function(x)length(unique(x)))
$symbol.
[1] 1371

$date
[1] 261

$volume
[1] 53647

> Sys.time() - start
Time difference of 0.07129478 secs
> 
> start <- Sys.time()
> sapply(datafile, function(x)length(unique(x)))
          symbol.              date             volume 
             1371               261              53647 
> Sys.time() - start
Time difference of 0.06939292 secs

将datafile有大约350万行.

引用帮助文本:

sapply是一个用户友好的版本和lapply的包装器,默认情况下,通过应用simplify2array(),返回一个向量,矩阵,或者,如果需要,则返回一个数组(如果合适).sapply(x,f,simplify = FALSE,USE.NAMES = FALSE)与lapply(x,f)相同.

Answer 4

使用lengths功能：

lengths(lapply(Testdata, unique))

# var_1 var_2 var_3 
#     1     1     3