数据框中每列的唯一值列表

Question

假设您有一个非常大的“csv”格式输入文件。您想知道每个列中出现的不同值。您该怎么做？

例如：

column1    column2    column3    column4
----------------------------------------
value11    value12    value13    value14
value21    value22    value23    value24
...
valueN1    valueN2    valueN3    valueN4

因此，我的输出应该类似于:

列1具有以下这些值: 值11, 值21, ...值N1。但我不需要看到相同值的重复出现。我只需要对我的数据有一个大致的了解。

- Mixalis

Answer 1

如果你读入了csv文件并生成了数据框dat，你可以执行以下操作：

ulst <- lapply(dat, unique)

如果您进一步想了解每一列的唯一值数量，请执行以下操作：

k <- lengths(ulst)

- Zheyuan Li

---

或者使用 dplyr，即 dat %>% summarise_each(funs(n_distinct))。 - akrun

我很好奇，dplyr函数能否被改编成不仅计算每列中不同条目的数量，而且还能显示它们（或将它们返回到列表中）？ - Mario Niepel

Answer 2

我发现Hmisc包中的describe()函数非常方便，可以对数据集进行概述，例如：

Hmisc::describe(chickwts)

chickwts 

 2  Variables      71  Observations
----------------------------------------------------------------------------------------------------------------
weight 
       n  missing distinct     Info     Mean      Gmd      .05      .10      .25      .50      .75      .90 
      71        0       66        1    261.3    90.26    140.5    153.0    204.5    258.0    323.5    359.0 
     .95 
   385.0 

lowest : 108 124 136 140 141, highest: 380 390 392 404 423
----------------------------------------------------------------------------------------------------------------
feed 
       n  missing distinct 
      71        0        6 

Value         casein horsebean   linseed  meatmeal   soybean sunflower
Frequency         12        10        12        11        14        12
Proportion     0.169     0.141     0.169     0.155     0.197     0.169
----------------------------------------------------------------------------------------------------------------

- Uwe