如何用R的data.table生成各列唯一值组成的新data.table？

嘿，我来帮你搞定这个需求！要从源data.table生成各列仅含唯一值的新表，且列数与原表一致、不足的位置用NA填充，这有两种高效的实现方式：

先准备源数据 #

首先咱们先把示例里的源数据表搭好：

library(data.table)
library(lubridate)

sourceDT <- data.table(
  ID = c(1,2,3,4), 
  date = c(ymd("20110101"),ymd("20110101"),ymd("20130101"),ymd("20150101")), 
  text = c("A","B","C","C")
)

方法一：直接处理每列（直观易懂） #

这种方式先提取每列的唯一值，再统一对齐长度补NA，逻辑非常清晰：

# 1. 提取每列的唯一值，得到一个列表
unique_col_values <- lapply(sourceDT, unique)

# 2. 找到所有列中唯一值最多的数量，作为新表的行数
max_row_count <- max(sapply(unique_col_values, length))

# 3. 把每个列的唯一值补NA到目标行数，再组合成新的data.table
outputDT <- data.table(
  lapply(unique_col_values, function(col_vals) {
    c(col_vals, rep(NA, max_row_count - length(col_vals)))
  })
)

运行后得到的结果和你想要的完全一致：

outputDT
#    ID       date text
# 1:  1 2011-01-01    A
# 2:  2 2013-01-01    B
# 3:  3 2015-01-01    C
# 4:  4       <NA> <NA>

方法二：利用转置操作（简洁高效） #

如果你习惯用转置来处理列和行的转换，也可以试试这种方式：

# 1. 转置源表，对每一行（对应原表的列）取唯一值
transposed_unique <- lapply(transpose(sourceDT), unique)

# 2. 再次转置回来，并用fill参数自动补NA
outputDT2 <- transpose(transposed_unique, fill = NA)

# 3. 给新表设置和原表一致的列名
setnames(outputDT2, names(sourceDT))

这个方法的结果和方法一完全相同，代码更简洁，适合熟悉data.table转置特性的同学。

内容的提问来源于stack exchange，提问作者LeGeniusII