如何获得unique（）以处理data.tables与字符列？

问题描述：

如果我使用字符串列创建R data.table而不调用stringsAsFactors=TRUE，然后尝试使用unique获取数据表的唯一行，则从结果表中删除字符串，尽管在确定哪些行是唯一的。如何获得unique（）以处理data.tables与字符列？

> dt <- data.table(x=c('a', 'a', 'b', 'c'), y=c(1, 1, 2, 2), stringsAsFactors=FALSE) 
> unique(dt) 
    x y 
1: 1 
2: 2 
3: 2 
> dt <- data.table(x=c('a', 'a', 'b', 'c'), y=c(1, 1, 2, 2), stringsAsFactors=TRUE) 
> unique(dt) 
    x y 
1: a 1 
2: b 2 
3: c 2

这是正确的行为吗？我在Cygwin上发现了R内部的一些神秘的Cygwin特定问题。下面是sessionInfo()读出：

R version 3.4.0 (2017-04-21) 
Platform: x86_64-unknown-cygwin (64-bit) 
Running under: CYGWIN_NT-6.1 INT-3A02 2.8.1(0.312/5/3) 2017-07-03 14:11 x86_64 Cygwin 

Matrix products: default 
LAPACK: /usr/lib/R/modules/lapack.dll 

locale: 
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8 

attached base packages: 
[1] stats  graphics grDevices utils  datasets methods base 

other attached packages: 
[1] data.table_1.10.4 

loaded via a namespace (and not attached): 
[1] bit_1.1-12  compiler_3.4.0 bit64_0.9-7

在我的机器（Ubuntu的16.04带的r版本3.4.1（2017-06-30） - “单个蜡烛”）它也在使用第一个选项。 – Garini

我并不感到惊讶;我以前只有Cygwin的R字符串问题（https://stackoverflow.com/questions/44187906/merging-large-data-tables-on-character-columns-causes-segfault）。 –

答

的duplicated()功能可以提供一种解决方法。 dt[!duplicated(dt), ]返回相同的结果unique(dt)两种情况下我的系统（Ubuntu Linux操作系统，R版本3.13.0-121-通用）

library(data.table) 
dt <- data.table(x=factor(c('a', 'a', 'b', 'c')), y=c(1, 1, 2, 2)) 
all.equal(unique(dt), dt[!duplicated(dt), ]) 
[1] TRUE 
> 

dt <- data.table(x=c('a', 'a', 'b', 'c'), y=c(1, 1, 2, 2)) 
all.equal(unique(dt), dt[!duplicated(dt), ]) 
[1] TRUE 
>

我不知道为什么这应该工作，但它确实。谢谢！ –

如何获得unique（）以处理data.tables与字符列？

相关推荐