将每个向量的唯一元素保存在向量列表中

Question

我有一个 dataframe 有 160 万行，其中一列是字符向量列表。

此列表列的每个元素如下所示： c("A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61Q", "B05B") 。

我希望它是c("A61K","A61Q","B05B") 。

意思是我只想保留独特的价值。 应对每一行重复此过程。

我试过这个：

sapply(strsplit(try, "|", function(x) paste0(unique(x), collapse = ",")))

和使用 for 循环的解决方案，但它需要很长时间并且 R 停止运行。

Answer 1

使用unique

> string <- c("A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61Q", "B05B")
> unique(string)
[1] "A61K" "A61Q" "B05B"

Answer 2

您可以在lapply()中使用unique()处理它：

# example df with list column
dat <- data.frame(id = 1:2)
dat$x <- list(
  c("A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61Q", "B05B"),
  c("A62K", "A61K", "A61K", "A58J", "A61K", "A61K", "A61K", "A61K", "A61K", "A61K", "A61Q", "C97B")
)

dat 

  id                                                                      x
1  1 A61K, A61K, A61K, A61K, A61K, A61K, A61K, A61K, A61K, A61K, A61Q, B05B
2  2 A62K, A61K, A61K, A58J, A61K, A61K, A61K, A61K, A61K, A61K, A61Q, C97B

# remove duplicates within list column by row
dat$x <- lapply(dat$x, unique)

dat

  id                            x
1  1             A61K, A61Q, B05B
2  2 A62K, A61K, A58J, A61Q, C97B

Answer 3

要过滤数据框，请使用duplicated 。

如果这是你的数据

df
    str data
1  A61K    1
2  A61K   23
3  A61K    4
4  A61K    3
5  A61K    1
6  A61K   23
7  A61K    4
8  A61K    3
9  A61K    1
10 A61K   23
11 A61Q    4
12 B05B    3

使用所需的列应用过滤器

df[!duplicated(df$str), ]
    str data
1  A61K    1
11 A61Q    4
12 B05B    3