R语言中如何移除数据框字符列重复值？附报错排查

嘿，我来帮你理清楚这个报错的原因和正确的解决方法：

首先看你遇到的报错，其实是两个小问题导致的：

• 拼写错误：你把列名origin写成了orgin，这就是警告里提示“Unknown or uninitialised column: 'orgin'”的根源；
• distinct()用法不当：在%>%管道操作中，前面的flights数据框已经被传递到下一个函数里了，不需要再用flights$来指定数据框，直接写列名就可以。

下面给你几种正确的去重写法，根据你的需求选择：

1. 只获取去重后的origin列（单列数据框） #

如果你的目标只是得到没有重复值的origin列数据，用下面的代码就行：

flights %>% 
  filter(dep_delay > 10, !is.na(origin)) %>% 
  distinct(origin) # .keep_all默认是FALSE，会只保留origin列

要是你想把结果转换成向量，可以再加一步pull()：

flights %>% 
  filter(dep_delay > 10, !is.na(origin)) %>% 
  distinct(origin) %>% 
  pull(origin)

2. 保留其他列，仅对origin列去重（保留每个origin的首行数据） #

如果需要保留数据框的其他列，同时确保origin列没有重复值，只保留每个origin第一次出现时的整行数据，就加上.keep_all = TRUE：

flights %>% 
  filter(dep_delay > 10, !is.na(origin)) %>% 
  distinct(origin, .keep_all = TRUE)

简单解释下distinct()的参数：.keep_all默认是FALSE，此时只会保留你指定的去重列；设为TRUE时，会保留该去重值第一次出现对应的所有列数据。

内容的提问来源于stack exchange，提问作者YAnt