如何从数据框的两列中找出唯一的字段值

Question

我有一个包含多列的数据框，其中包括Quarter和CustomerID。在这个数据框中，我想要确定Quarter和CustomerID的唯一组合。

例如：

masterdf <- read.csv(text = "
    Quarter,  CustomerID, ProductID
    2009 Q1,    1234,     1
    2009 Q1,    1234,     2
    2009 Q2,    1324,     3
    2009 Q3,    1234,     4
    2009 Q3,    1234,     5
    2009 Q3,    8764,     6
    2009 Q4,    5432,     7")

What i want is:

FilterQuarter     UniqueCustomerID
2009 Q1           1234
2009 Q2           1324
2009 Q3           8764
2009 Q3           1234
2009 Q4           5432

如何在R中实现这一点？我尝试了unique函数，但它没有按照我的要求工作。

- snehal

---

看起来他想要唯一的 (Quarter, CustomerID) 对。然而，不清楚他想如何将这个新数据与可能维度不同的数据框进行列绑定。 - Ben Sidhom

我已经编辑了这里，2009年第一季度和2009年第三季度都有客户ID 1234，所以如果我使用唯一函数，它只会计算一次，但我希望它应该同时出现在2009年第一季度和2009年第三季度。谢谢您的快速回复。 - snehal

我尝试的是unique(masterdf$Quarter,masterdf$Customer.Id)，输出结果为： [1] "2009 Q1" "2009 Q2" "2011 Q1" "2010 Q2" "2010 Q4" "2012 Q1" "2009 Q3" [8] "2010 Q1" "2011 Q3" "2009 Q4" "2010 Q3" "2011 Q4" "2011 Q2" "2012 Q2" [15] "NA QNA"。 - snehal

unique(masterdf) 是什么意思？ - mnel

当我尝试以上命令时，出现了重复(my.df[c("FilterQuarter", "UniqueCustomerID")])，错误提示为在 [.data.frame(my.df, c("FilterQuarter", "UniqueCustomerID")) : 选择的列未定义。 - snehal

Answer 1

原帖下的长篇评论让人难以跟随。正如@RomanLustrik所指出的，您需要寻找duplicated。使用它来像这样对您的原始data.frame 进行子集划分...

masterdf[ ! duplicated( masterdf[ c("Quarter" , "CustomerID") ] ) , ]
#  Quarter CustomerID
#1 2009 Q1       1234
#3 2009 Q2       1324
#4 2009 Q3       1234
#6 2009 Q3       8764
#7 2009 Q4       5432

- Simon O'Hanlon

---

谢谢你，借助于你的命令 @SimonO101，我得到了我想要的输出。 - snehal

@user2492230 没问题，很高兴我们能解决这个问题！ - Simon O'Hanlon

Answer 2

另一种简单的方法是使用R中的SQL查询，请查看下面的代码。这假设masterdf是原始文件的名称...

library(sqldf)
sqldf("select Quarter, CustomerID from masterdf group by 1,2")

- Ankur Raj