unique
语法
unique(x, incomparables = FALSE, fromLast = FALSE,
nmax = NA...)
x 可以是向量、数据框、数组array
incomparables FALSE meaning that all values can be compared.所有的值都可以进行比较
fromLast (from the last) TRUE即保留最后一个,默认是FALSE 保留第一个。(这俩行名是不同的)
nmax : the maximum number of unique items expected (greater than one)
作者:山竹山竹px
链接://www.greatytc.com/p/0bb0f93d3507
来源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
例子
> x <- c(3:5, 11:8, 8 + 0:5)
> x
[1] 3 4 5 11 10 9 8 8 9 10 11 12 13
> class(x)
[1] "numeric"
> (ux <- unique(x)) #fromLast默认FALSE,则重复值保留第一个
[1] 3 4 5 11 10 9 8 12 13
> (u2 <- unique(x, fromLast = TRUE))#重复值保留最后一个,与上面的结果,顺序是不一样的
[1] 3 4 5 8 9 10 11 12 13
新建一个数据框,试试
> df <- data.frame(gene = paste0('gene',c(1,2,3,2)),
+ sam = paste0('sample',c(1,2,3,2)),
+ exp = c(32,45,32,45))
> df #第2行于第4行是相同的,第1行和第3行只有exp相同
gene sam exp
1 gene1 sample1 32
2 gene2 sample2 45
3 gene3 sample3 32
4 gene2 sample2 45
> unique(df) #按 行 去 重
gene sam exp
1 gene1 sample1 32
2 gene2 sample2 45
3 gene3 sample3 32
> unique(df,fromLast = TRUE)
gene sam exp
1 gene1 sample1 32
3 gene3 sample3 32
4 gene2 sample2 45
上述可以看到,unique去重是一整行完全相同,然后把整行去掉。
如果有这么一个需求,根据某一列的重复值,去除该重复值所在的整行。(麻烦且有局限,可使用duplicated)
如上述例子里的 exp 列,按照要求,应该就剩下2行,第一行和第二行(fromlast默认值)
实现如下
#先找出不重复的行。然后按照行名取一整行
> unique(df['exp'])
exp
1 32
2 45
##这里是想直接取,但是报错,因为unique(df['exp'])根本不是数字(表示哪一行的数字)
> df[unique(df['exp']),]
Error in xj[i] : invalid subscript type 'list'
#当行数较少的时候,可以直接把行输入
> df[c(1,2),]
gene sam exp
1 gene1 sample1 32
2 gene2 sample2 45
#当行数多时,思路:先把行名提出来(行名未设置,是数字),结果以list形式返回,需要转换成numeric
> rows <- rownames(unique(df['exp']))
> rows
[1] "1" "2"
> class(rows)
[1] "character"
> rows2 <- as.numeric(rows)
> rows2
[1] 1 2
> class(rows2)
[1] "numeric"
> df[rows2,]
gene sam exp
1 gene1 sample1 32
2 gene2 sample2 45
duplicated
语法
duplicated(x, incomparables = FALSE,
fromLast = FALSE, nmax = NA, ...)
参数解释,同unique
判定重复元素,返回逻辑值
For a向量 input, a logical vector of the same length as x. For a data frame, a logical vector with one element for each row.(x是向量,返回的逻辑向量与x长度相同;x是数据框,每行返回一个逻辑值)
> x
[1] 3 4 5 11 10 9 8 8 9 10 11 12 13
> duplicated(x)
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE FALSE FALSE
> df #第2行于第4行是相同的,第1行和第3行只有exp相同
gene sam exp
1 gene1 sample1 32
2 gene2 sample2 45
3 gene3 sample3 32
4 gene2 sample2 45
> duplicated(df)
[1] FALSE FALSE FALSE TRUE #第4行是重复值
去重,使用 !
#duplicated可以放在[]中,因为是逻辑值
> xu <- x[!duplicated(x)]
> xu
[1] 3 4 5 11 10 9 8 12 13
# 与unique结果是一样的
数据框与向量有所不同,[]中不能只放duplicated,而是应该放在 行的位置,取“TRUE”的行,右边 列 的位置为空
> dfu <- df[!duplicated(df)]#这样没有用
> dfu
gene sam exp
1 gene1 sample1 32
2 gene2 sample2 45
3 gene3 sample3 32
4 gene2 sample2 45
> dfu <- df[!duplicated(df),]
> dfu
gene sam exp
1 gene1 sample1 32
2 gene2 sample2 45
3 gene3 sample3 32
根据某一列的重复值,去除该重复值所在的整行
嗯,干净利落。
> dfuexp <- df[!duplicated(df$exp),]
> dfuexp
gene sam exp
1 gene1 sample1 32
2 gene2 sample2 45
保存筛选过后的数据
#保存为文本
write.table(写入的数据名字,file = '输出文件的名字,txt',sep = '分隔符')
#保存为逗号分割文本
write.csv(写入的数据名字,file = '输出文件的名字.csv')
#保存为R格式文件
save(output1,file = 'output1.RData')
以write.table为例
write.table(shh_dxs_unique,file = 'shh_dxs_unique.txt',sep = '\r\n',row.names = FALSE,col.names = FALSE,quote = FALSE)
#shh_dxs_unique 是清理过的数据
#shh_dxs_unique.txt 是输出文件的名字,储存在工作目录下
#\r\n,windows 下的换行符
#row.names = FALSE,col.names = FALSE 不输出行名列名(这个因需求而异)
#quote = FALSE 输出的字符串不加引号(不加这个参数,输出的每一行都会有引号)
本文为个人笔记备忘。