La fonction distinct() sert à identifier les lignes (observations) uniques d'un data frame. Ce besoin se présente fréquemment, et la fonction distinct(), combinée à d'autres fonctions de dplyr, en particulier group_by(), permet de traiter pratiquement toutes les tâches de ce type.
Dans ce chapitre, nous utiliserons les données mpg du package tidyverse. Pour accéder aux données, il faut activer à la fois tidyverse et les données mpg à l'aide des commandes suivantes :
library(tidyverse)
data(mpg)
## Inspecter les 10 premières lignes
head(mpg, 10)## A tibble: 10 × 11
manufacturer model displ year cyl trans drv cty hwy fl class
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
1 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
2 audi a4 1.8 1999 4 manual(m5) f 21 29 p compact
3 audi a4 2 2008 4 manual(m6) f 20 31 p compact
4 audi a4 2 2008 4 auto(av) f 21 30 p compact
5 audi a4 2.8 1999 6 auto(l5) f 16 26 p compact
6 audi a4 2.8 1999 6 manual(m5) f 18 26 p compact
7 audi a4 3.1 2008 6 auto(av) f 18 27 p compact
8 audi a4 quattro 1.8 1999 4 manual(m5) 4 18 26 p compact
9 audi a4 quattro 1.8 1999 4 auto(l5) 4 16 25 p compact
10 audi a4 quattro 2 2008 4 manual(m6) 4 20 28 p compactCommençons par sélectionner toutes les lignes ayant des valeurs uniques pour la variable manufacturer.
mpg |>
distinct(manufacturer, .keep_all = TRUE)## A tibble: 15 × 11
manufacturer model displ year cyl trans drv cty hwy fl class
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
1 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
2 chevrolet c1500 suburban 2wd 5.3 2008 8 auto(l4) r 14 20 r suv
3 dodge caravan 2wd 2.4 1999 4 auto(l3) f 18 24 r minivan
4 ford expedition 2wd 4.6 1999 8 auto(l4) r 11 17 r suv
5 honda civic 1.6 1999 4 manual(m5) f 28 33 r subcompact
6 hyundai sonata 2.4 1999 4 auto(l4) f 18 26 r midsize
7 jeep grand cherokee 4wd 3 2008 6 auto(l5) 4 17 22 d suv
8 land rover range rover 4 1999 8 auto(l4) 4 11 15 p suv
9 lincoln navigator 2wd 5.4 1999 8 auto(l4) r 11 17 r suv
10 mercury mountaineer 4wd 4 1999 6 auto(l5) 4 14 17 r suv
11 nissan altima 2.4 1999 4 manual(m5) f 21 29 r compact
12 pontiac grand prix 3.1 1999 6 auto(l4) f 18 26 r midsize
13 subaru forester awd 2.5 1999 4 manual(m5) 4 18 25 r suv
14 toyota 4runner 4wd 2.7 1999 4 manual(m5) 4 15 20 r suv
15 volkswagen gti 2 1999 4 manual(m5) f 21 29 r compactNotez l'argument .keep_all = TRUE. Cet argument indique à la fonction que toutes les colonnes des données mpg doivent être conservées après l'application de la fonction distinct(). Si cet argument n'est pas spécifié, toutes les observations uniques sont conservées et les autres variables sont éliminées (à l'exception de la variable utilisée pour identifier les lignes uniques).
Identifions maintenant toutes les lignes (observations) uniques de chaque catégorie de véhicule (class) au sein de chaque constructeur (manufacturer) :
mpg |>
distinct(manufacturer, class, .keep_all = TRUE)## A tibble: 32 × 11
manufacturer model displ year cyl trans drv cty hwy fl class
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
1 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
2 audi a6 quattro 2.8 1999 6 auto(l5) 4 15 24 p midsize
3 chevrolet c1500 suburban 2wd 5.3 2008 8 auto(l4) r 14 20 r suv
4 chevrolet corvette 5.7 1999 8 manual(m6) r 16 26 p 2seater
5 chevrolet malibu 2.4 1999 4 auto(l4) f 19 27 r midsize
6 dodge caravan 2wd 2.4 1999 4 auto(l3) f 18 24 r minivan
7 dodge dakota pickup 4wd 3.7 2008 6 manual(m6) 4 15 19 r pickup
8 dodge durango 4wd 3.9 1999 6 auto(l4) 4 13 17 r suv
9 ford expedition 2wd 4.6 1999 8 auto(l4) r 11 17 r suv
10 ford f150 pickup 4wd 4.2 1999 6 auto(l4) 4 14 17 r pickup
11 ford mustang 3.8 1999 6 manual(m5) r 18 26 r subcompact
12 honda civic 1.6 1999 4 manual(m5) f 28 33 r subcompact
13 hyundai sonata 2.4 1999 4 auto(l4) f 18 26 r midsize
14 hyundai tiburon 2 1999 4 auto(l4) f 19 26 r subcompact
15 jeep grand cherokee 4wd 3 2008 6 auto(l5) 4 17 22 d suv
16 land rover range rover 4 1999 8 auto(l4) 4 11 15 p suv
17 lincoln navigator 2wd 5.4 1999 8 auto(l4) r 11 17 r suv
18 mercury mountaineer 4wd 4 1999 6 auto(l5) 4 14 17 r suv
19 nissan altima 2.4 1999 4 manual(m5) f 21 29 r compact
20 nissan altima 2.5 2008 4 auto(av) f 23 31 r midsize
21 nissan pathfinder 4wd 3.3 1999 6 auto(l4) 4 14 17 r suv
22 pontiac grand prix 3.1 1999 6 auto(l4) f 18 26 r midsize
23 subaru forester awd 2.5 1999 4 manual(m5) 4 18 25 r suv
24 subaru impreza awd 2.2 1999 4 auto(l4) 4 21 26 r subcompact
25 subaru impreza awd 2.5 2008 4 auto(s4) 4 20 25 p compact
26 toyota 4runner 4wd 2.7 1999 4 manual(m5) 4 15 20 r suv
27 toyota camry 2.2 1999 4 manual(m5) f 21 29 r midsize
28 toyota camry solara 2.2 1999 4 auto(l4) f 21 27 r compact
29 toyota toyota tacoma 4wd 2.7 1999 4 manual(m5) 4 15 20 r pickup
30 volkswagen gti 2 1999 4 manual(m5) f 21 29 r compact
31 volkswagen new beetle 1.9 1999 4 manual(m5) f 35 44 d subcompact
32 volkswagen passat 1.8 1999 4 manual(m5) f 21 29 p midsizeVous pouvez combiner distinct() avec group_by().