studio - Cuenta el número de valores distintos en un vector

eliminar elementos de un vector en r

Question

Tengo un vector de valores escalares de los que estoy tratando de obtener: "Cuántos valores diferentes hay".

Por ejemplo, en el group <- c(1,2,3,1,2,3,4,6) valores únicos son 1,2,3,4,6 por lo que quiero obtener 5 .

Se me ocurrio:

length(unique(group))

Pero no estoy seguro de que sea la forma más eficiente de hacerlo. ¿No hay una mejor manera de hacer esto?

Nota: Mi caso es más complejo que el ejemplo, consta de alrededor de 1000 números con un máximo de 25 valores diferentes.

Answer 1

Aquí hay algunas ideas, todos los puntos para que su solución sea muy rápida. length(unique(x)) es lo que yo también habría usado:

x <- sample.int(25, 1000, TRUE)

library(microbenchmark)
microbenchmark(length(unique(x)),
               nlevels(factor(x)),
               length(table(x)),
               sum(!duplicated(x)))
# Unit: microseconds
#                 expr     min       lq   median       uq      max neval
#    length(unique(x))  24.810  25.9005  27.1350  28.8605   48.854   100
#   nlevels(factor(x)) 367.646 371.6185 380.2025 411.8625 1347.343   100
#     length(table(x)) 505.035 511.3080 530.9490 575.0880 1685.454   100
#  sum(!duplicated(x))  24.030  25.7955  27.4275  30.0295   70.446   100

Answer 2

He usado esta función

length(unique(array))

y funciona bien, y no requiere bibliotecas externas.

Answer 3

Puedes usar rle desde el paquete base

  x<-c(1,2,3,1,2,3,4,6)
  length(rle(sort(x))$values)

rle produce dos vectores ( lengths y values ). La longitud del vector de values le da el número de valores únicos.

Answer 4

uniqueN función uniqueN de data.table es equivalente a length(unique(group)) . También es varias veces más rápido en conjuntos de datos más grandes, pero no tanto en su ejemplo.

library(data.table)
library(microbenchmark)

xSmall <- sample.int(25, 1000, TRUE)
xBig <- sample.int(2500, 100000, TRUE)
microbenchmark(length(unique(xSmall)), uniqueN(xSmall), 
               length(unique(xBig)), uniqueN(xBig))

#Unit: microseconds
#                    expr      min        lq       mean    median        uq      max neval cld
#1 length(unique(xSmall))   17.742   24.1200   34.15156   29.3520   41.1435  104.789   100 a  
#2        uniqueN(xSmall)   12.359   16.1985   27.09922   19.5870   29.1455   97.103   100 a  
#3   length(unique(xBig)) 1611.127 1790.3065 2024.14570 1873.7450 2096.5360 3702.082   100 c
#4          uniqueN(xBig)  790.576  854.2180  941.90352  896.1205  974.6425 1714.020   100 b