抱歉我的标题不够完美,但是我有些难以理解这个问题。
这里是手动创建的数据。有三个字段:州、代码类型和代码。原因是我正在尝试将更广泛版本的数据框加入到一个由160万行组成的数据框中,但遇到内存不足的问题。我的思考过程是,我会大大降低这个表格的行数;行业。
state <- c(32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32)
codetype <- c(10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10,10)
code <- c(522,523,524,532,533,534,544,545,546,551,552,552,561,562,563,571,572,573,574)
industry = data.frame(state,codetype,code)
期望的结果是进行两个步骤的操作。首先,我将六位代码缩短为两位。这是通过完成的。
industry<-industry %>% mutate(twodigit = substr(code,1,2).
这将产生第五列,twodigit。目前有19个值。但只有7个唯一的twodigit值; 52,53,54,55,56,57。如何告诉它删除所有非唯一的two digit数值?
industry %>% distinct(twodigit, .keep_all = TRUE)
吗? - akrun