R语言筛选两列中元素相同的重复数据

妖狐艹你老母 2024-04-18 12:28 90阅读 0赞

**思想**：将读取的数据当做数据库中的数据表，读取的数据放置到数据内存中临时存储，以SQL语句对数据进行筛选，得出想要的数据内容。

## 数据情况 ##

筛选V2和V3两列中，元素的重复次数超过2次以上的数据，其中2和3的重复次数超过3次，需要筛选出来。  
![在这里插入图片描述][20190906155633764.png]

其中：找出V2和V3 同时重复大于3

## 筛选数据R语言程序 ##

library(sqldf)
    data <- read.csv("data.csv")
    head(data)
    zdata <- sqldf("select * from data t where (select count(1) from data where V2 = t.V2 and V3 = t.V3)>2")
    print(zdata)

### 方法一： 使用的SQL语句为： ###

select \* from data t where (select count(1) from data where V2=t.V2 and V3=t.V3)>2

###### 得到晒选的效果如下所示： ######

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70]

### 方法二：提取查询 ###

![在这里插入图片描述][20190906224302668.png]  
v1=c(1,21,5,5,8,8)  
v2=c(2,5,2,8,2,2)  
v3=c(3,6,3,9,3,3)  
v4=c(4,7,3,4,7,4)  
data=data.frame(v1,v2,v3,v4)  
head(data)  
data v 2 v 5 = p a s t e ( d a t a v2v5=paste(data v2v5=paste(datav2,data v 5 ) a = t a b l e ( d a t a v5) a=table(data v5)a=table(datav2v5)  
tarid=names(a)\[a>2\]  
res=data\[data$v2v5%in%tarid,\]  
print(res)

![在这里插入图片描述][20190906224246126.png]

### 方法三：条件筛选subset ###

a1 <- c("M","b","b","c")
    b1 <- c(1,2,3,4)
    da <- cbind(a1,b1)
    da <- as.data.frame(da)
    
    print(da)
    mz <- subset(da,a1=='b'&b1==2) 
    print(mz)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 1]

### 方法四：which条件查询 ###

a1 <- c("M","b","b","c")
    b1 <- c(1,2,3,4)
    da <- cbind(a1,b1)
    da <- as.data.frame(da)
    print(da)
    zda<-da[which(a1 == 'b'),]
    print(zda)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 2]

## 案例一：门店营业额业务数据筛选判断 ##

找出历史门店中累计营业额有25天的日营业额大于3的订单数量门店。  
![在这里插入图片描述][20191225152531260.png]  
1.对一天中不同的门店的订单数量进行统计。找出每一天中不同门店的订单数量

install.packages("sqldf")
    library(sqldf)
    AA=read.csv("C:\\Users\\Administrator\\Desktop\\data.csv")
    str(AA)
    data1=sqldf("select 门店,日期,count(1) as 当日订单数 from AA group by 日期,门店")

2.对每一天中，不同门店的订单数量进行判断，找出每天门店的订单数量大于三的门店。

data2=sqldf("select 门店,日期,count(1) as 当日订单数 from AA group by 日期,门店 having 当日订单数>=3")

3.对每天门店数量大于3的门店进行统计，找出连续一个月中，每天门店数量大于3的门店，在一个月中的营业额次数累计大于等于25天的门店。

data3=sqldf("select 门店,count(1) as 月订单数量大于3的天数 from (select 门店,日期,count(1) as 当日订单数 from AA group by 日期,门店 having 当日订单数>=3) group by 门店 having 月订单数量大于3的天数>=25")

## 案例二： 数据筛选合并 ##

##### 原始数据如下： #####

key time  
a 1月  
a 1月  
a 2月  
b 1月  
b 1月  
b 1月

##### 合并数据如下: #####

key time count  
a 1月 2  
a 2月 1  
b 1月 3

实现代码如下：

key=c("a","a","a","b","b","b")
    time=c("1月","1月","2月","1月","1月","1月")
    data=cbind(key,time)
    data=as.data.frame(data)
    
    data
    library(sqldf)
    
    zdata=sqldf("select key,time,count(1) from data group by key,time")
    print(zdata)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 3]

## 案例三：提取指定内容数据 ##

提取数据框中的a1列数据包含内容为b的所有数据。

a1=c("M","b","b","c")
    b1=c(1,2,3,4)
    da=cbind(a1,b1)
    da=as.data.frame(da)
    print(da)
    m=da[da$a1=='b',]
    print(m)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 4]

## 案例四：R语言对两列中不重复元素数据进行计数 ##

###### 数据情况： ######

slon是经度，slat是维度，找出以两列中非重复数据累计出现的次数，（即不同的位置的个数，即统计出不同位置下（slon，slat）出现的次数）。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 5]

###### 统计出a，b对应出现过多少次，1,2出现次数，2,3出现过多少次，等等 ######

###### 方法如下： ######

统计不同的(a，b)出现次数，对a和b进行合并，对a&b进行计数，即得到不同的(a，b)出现次数的结果值，如下所示：

aax$freq <- paste(aax$slon,aax$slat,sep=',')
    table(aax$freq)

统计效果如下所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 6]

## 不同位置数据统计详细过程方法如下 ##

#### 原始数据展示如下，统计slon和slat ####

aax=dat1  
    
    print(aax)

运行得到结果如下：  
![在这里插入图片描述][20200329084845555.png]

#### 两列数据合并成一列，合并slon和slat,生成新的一列freq ####

aax$freq <- paste(aax$slon,aax$slat,sep=',')  ## 两列数据合并成一列
    head（aax）

运行得到结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 7]

#### table统计新生成的一列，并将统计结果转换为数据框形式展示 ####

dax=as.data.frame(table(aax$freq))
    
    head(dax)

运行得到结果如下：  
![在这里插入图片描述][20200329085023146.png]

#### 对统计的结果Var1变量进行拆分成两列，还原slat和slon,展示统计结果 ####

re <- strsplit(as.character(dax$Var1),",")
    
    for(i in 1:dim(dax)[1])
     {
    dax$slon[i] <- re[[i]][1]
    dax$slat[i] <- re[[i]][2]
    }
    
    head(dax)

运行得到结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 8]

[20190906155633764.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/35ce90faa2844b55ba5545c2187c81bc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/248fb6f285c244ebaf4e38c2ec99f2c1.png
[20190906224302668.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/299cefeafc914138ac10a8809481c582.png
[20190906224246126.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/6a375c507b6e43c8bac9a59a196a91a1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/d0adb49f4ba94cc8a64470c7d28df2f3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/3e60d5e5c779466cbc856eb837f02866.png
[20191225152531260.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/40c14550a1fa452281187885de66a5d0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/a76ceb8e26bf45698bda73ca49763f6f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/b376dd3118e74c00a574dc27ec3d9dfa.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 5]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/50c6b1431d3843f0a48e9f40902e1f71.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 6]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/6f440a0450b64e7baf5202a6f0997b12.png
[20200329084845555.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/b86dadc619f64944bc6ede949374a508.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 7]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/e17888721f904cf19a38f939743fab96.png
[20200329085023146.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/4c199a7c991e4422acf23b07b005cb73.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 8]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/772b83f6b95f472583d87164525d374b.png