这可能是一个非常简单的问题,但我尝试搜索了一下,但没有找到解决方案。
我有一个包含65列和350万行的庞大数据集。这些数据如下:
GR SR var1 var2 var3 var4 var5 var6 var6
1 2 "" "" "" "" "" x
1 2 x x x "" "" ""
1 2 "" "" "" "" "" ""
1 3 x x x x "" ""
1 3 "" "" "" "" "" ""
"" = NULL
的含义是空字符串等同于NULL。
我想根据其他变量更新变量1到6。因此,对于每个GR和SR,如果变量1到变量6包含x,则需要用x进行更新。这将导致以下表格:
GR SR var1 var2 var3 var4 var5 var6
1 2 x x x "" "" x
1 2 x x x "" "" x
1 2 x x x "" "" x
1 3 x x x x "" ""
1 3 x x x x "" ""
在我找到这些记录后,我想要删除重复的记录,但是我知道可以使用 library(data.table)
中的 Unique
方法来实现。
有人知道如何做吗?
dput(head(data))
共享数据... - s_baldur"" = NUll
" 这部分很令人困惑。您是指NA
吗?还是字面上的""
(字符串的nchar() == 0
)? - MichaelChiriconchar(x) == 0
还是is.na(x)
? - MichaelChirico""
仍然是一个字符串,NA
表示缺失值,而NULL
则是一个空对象。现有的列不太可能包含NULL
(除非它是一个列表)。请说明""
的含义。 - Darren Tsai