任何人都知道unique()或duplicated()的不兼容参数是否已经超出了不可比的= FALSE?
也许我不明白它应该如何工作……
无论如何,我正在寻找一个灵活的解决方案,只保留除了额外的NA之外与另一列相同的唯一列(或行)?我可以使用cor()来强制它,例如,对于成千上万的列,这是难以处理的.
这是一个例子,抱歉,如果它有点凌乱,但我认为这说明了重点.制作一些矩阵z:
z <- matrix(sample(c(1:3, NA), 100, replace=TRUE), 10, 10)
colnames(z) <- paste("c", 1:10, sep="")
rownames(z) <- paste("r",1:10, sep="")
让我们添加一些带有额外NA的重复列,并随机化列,(这样它们并不总是在最后).
c3.1 <- z[, 3]
c3.1[sample(1:10, 3)] <- NA
c8.1 <- z[, 8]
c8.1[sample(1:10, 5)] <- NA
z <- cbind(z, c3.1, c8.1)
z <- z[, sample(1:ncol(z))]
所以我可以按缺失的数字排序,然后看起来似乎duplicated()或unique()可以工作,但它不喜欢忽略丢失.
missing <- apply(z, 2, function(x) {length(which(is.na(x)))})
z.sorted <- z[, order(missing)]
z.sorted[,!duplicated(z.sorted,MARGIN=2)]
unique(z.sorted,MARGIN=2)
我认为这是不兼容的论点专门针对的内容,但它似乎尚未实现:
z.sorted[,!duplicated(z.sorted,MARGIN=2,incomparables=NA)]
unique(z.sorted,MARGIN=2,incomparables=NA)
我知道我很快就会找到一个不太优雅的解决方案,我想我更想问为什么还没有实现呢?或者如果我只是错误地使用它.似乎我经常碰到这个,但我搜索了很长一段时间而没有找到答案.有什么想法吗?
最佳答案 正如您所怀疑的那样,对于data.frame和矩阵方法的唯一,不可比的!= FALSE尚未实现.它以默认方法实现,该方法用于没有dims的向量.例如.:
unique(c(1, 2, 2, 3, 3, 3, NA, NA, NA), incomparables=2)
## [1] 1 2 2 3 NA
unique(c(1, 2, 2, 3, 3, 3, NA, NA, NA), incomparables=NA)
## [1] 1 2 3 NA NA NA
看一下unique.matrix与unique.default的来源(只需在控制台中键入函数名称并按Enter键,或在RStudio中按F2键在新窗格中打开源代码).
在您的情况下,您可以使用outer来创建一个矩阵,指示特定的行/列对是否相同,而忽略了NA.
same <- outer(seq_len(ncol(z)), seq_len(ncol(z)),
Vectorize(function(x, y) all(z[, x]==z[, y], na.rm=TRUE)))
same
## [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12]
## [1,] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [2,] FALSE TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
## [3,] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
## [4,] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [5,] FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
## [6,] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
## [7,] FALSE TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
## [8,] FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
## [9,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
## [10,] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
## [11,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
## [12,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
然后,如果你只想保留那些与第二列相同的列(对我来说是c8.1列 – 请参阅本文的底部我所使用的完整z矩阵),你可以这样做:
z[, same[2, ]] # or, equivalently, z[, same[, 2]]
## c8.1 c8
## r1 2 2
## r2 1 1
## r3 NA 3
## r4 NA 1
## r5 3 3
## r6 NA 1
## r7 2 2
## r8 NA 1
## r9 3 3
## r10 NA 1
要将矩阵缩减为唯一的列集(忽略NA),并且具有最少数量的NA,您可以执行以下操作:
z[, unique(sapply(apply(same, 2, which), function(x)
x[which.min(colSums(is.na(z))[x])]))]
## c7 c8 c3 c1 c6 c10 c2 c9 c4
## r1 2 2 1 2 1 1 1 2 NA
## r2 3 1 3 1 3 NA 1 2 2
## r3 2 3 2 3 1 NA 2 1 NA
## r4 2 1 1 2 2 1 3 NA 2
## r5 NA 3 2 1 3 2 NA NA 3
## r6 2 1 2 2 1 1 2 1 NA
## r7 2 2 2 2 NA 3 1 2 2
## r8 NA 1 1 3 2 NA 1 NA 1
## r9 1 3 3 2 NA 2 1 NA 2
## r10 NA 1 1 NA 1 1 1 2 3
供参考,这是我正在使用的z:
c7 c8.1 c3 c1 c5 c10 c8 c6 c2 c3.1 c9 c4
r1 2 2 1 2 1 1 2 1 1 1 2 NA
r2 3 1 3 1 3 NA 1 3 1 3 2 2
r3 2 NA 2 3 1 NA 3 1 2 2 1 NA
r4 2 NA 1 2 NA 1 1 2 3 NA NA 2
r5 NA 3 2 1 3 2 3 3 NA 2 NA 3
r6 2 NA 2 2 1 1 1 1 2 2 1 NA
r7 2 2 2 2 1 3 2 NA 1 2 2 2
r8 NA NA 1 3 NA NA 1 2 1 NA NA 1
r9 1 3 3 2 1 2 3 NA 1 NA NA 2
r10 NA NA 1 NA NA 1 1 1 1 1 2 3