Rで解析：データの重複削除と重複数のカウント方法

公開日 2014-05-04

Rの解析に役に立つ記事

今回は、データの重複排除と重複数のカウント方法を紹介します。なお、近年のパソコンは能力が向上しているのでコードの最適化よりもいかにストレスがからだにかからない、からだにいいコードです。皆様の作業が楽になりますように。

＜おすすめのRに関する書籍です＞

超入門! Rでできるビジュアル統計学学会・論文発表に役立つデータ可視化マニュアル

学会発表や論文の図表づくりに寄せた実践書。伝わるグラフをRで作るための手順をまとめている。

www.amazon.co.jp

必要なもの

・ R（ダウンロード先はこの記事を参照ください。）

・ library XLConnect（ダウンロード先はこの記事を参照ください。）

紹介するコマンド

・ unique() : 重複削除

・ table()：重複数のカウント

作業方法

下記のデータを例にしています。

Rを立ち上げ、コードを実行します。

まずは、データを読み込む。

###ライブラリの読み込み#####
library("XLConnect")
library("tcltk")
########

###データの読み込み#####
selectABook <- paste(as.character(tkgetOpenFile(title = "エクセルファイルを選択",
filetypes = '{"エクセルファイル" {".xls" ".xlsx"}}')), sep = "", collapse =" ")
AnaData <- readWorksheet(loadWorkbook(selectABook), sheet = 1)
########

例えばメールアドレスを重複せずに取得する。

unique(AnaData[, 1])
"ABC@ABC.co.jp" "CDE@ABC.co.jp" "EFG@ABC.co.jp" "HIJ@ABC.co.jp"

例えばメールアドレスの出現数を取得する。

table(AnaData[, 1])

そして、上記のコマンドを組み合わせるとメールアドレス別の購入商品をまとめたりする事ができます。

UniqueData <- unique(AnaData[,1]) #メールアドレスの重複削除
FinalData <- NULL #出力データの格納用

for(n in 1:length(UniqueData)){
orderProduct <- subset(AnaData, AnaData[,1] == UniqueData[n])[,2] #購入商品の抽出
orderProduct <- paste(orderProduct, collapse = ",") #購入商品の整理
OrderProducts <- cbind(UniqueData[n], orderProduct) #メールアドレスと商品名の合体
FinalData <- rbind(FinalData, OrderProducts) #データの格納
}

colnames(FinalData) <- c("メールアドレス", "購入商品") #データの整え
FinalData #データの表示
メールアドレス            購入商品
[1,] "ABC@ABC.co.jp"   "A,B,C,F,A,A"
[2,] "CDE@ABC.co.jp"   "B"
[3,] "EFG@ABC.co.jp"    "A"
[4,] "HIJ@ABC.co.jp"     "D"

後は、適時エクセルにデータを変換したりしています。エクセルへの変換はこの記事を参照ください。