1
原問題： 我的工作需要我頻繁地處理大數據集上的數據 - 基數，關係，唯一性。 。 。 。，並經常這樣做。目的是使用R來分析數據並在R Markdown中創建報告。R編程：識別複合鍵
我的問題是： 1.將數據加載到R數據框中 2.如何確定數據庫術語中將稱爲複合主鍵？
例如，我有一個包含75,000條記錄的表。我做了一個快速獲得每個變量的唯一計數。但是，除非其中一個變量的計數爲75,000，否則不存在單個主鍵。換句話說，沒有一個變量可以用來唯一地識別單個觀察值。
然後目標就是尋找唯一識別每個觀察（行）的變量（列）組合。這可以是160個可變數據框/表格中的兩個，三個或四個變量/列。而且，當然，在沒有唯一標識每行或關鍵字的鍵的組合中總會有重複。
我已經成功地完成了'for'循環（醜陋），但是認爲這樣做有一些優雅，高效的方式。
如何查找哪些變量構成組合主鍵？
改性問題：
############### Data1 - 2 columns - one PK
data1 <- data.frame(rep_len(1, length.out = 10))
data1$PK <- rep_len(1:10, length.out = 10)
names(data1) <- c('DupData', 'PK')
rownames(data1) <- NULL
rapply(data1,function(x)length(unique(x)), how = 'unlist')
DupData PK
1 10
length(unique(data1$PK))
[1] 10
接下來是與3列的數據幀，但需要兩列，製成獨特的觀察：
############### Data2 - 3 columns - Two column composite PK
data2 <- data1
data2$PK <- rep_len(1:2, length.out = 10)
data2$PK2 <- rep_len(2:6, length.out = 10)
rapply(data2,function(x)length(unique(x)), how = 'unlist')
DupData PK PK2
1 2 5
length(unique(data2$DupData))
[1] 1
length(unique(data2$PK))
[1] 2
length(unique(data2$PK2))
[1] 5
nrow(unique(data2[,c(1,2)], nmax = 3))
[1] 2
nrow(unique(data2[,c(1,3)], nmax = 3))
[1] 5
nrow(unique(data2[,c(2,3)], nmax = 3))
[1] 10
最後，存在與4中的一個數據幀列/變量，它需要三列進行獨特的觀察：
############### Data3 - 4 columns - Three column composite PK
data3 <- data1
data3$PK <- c(0,0,0,0,0,0,0,0,1,1)
data3$PK2 <- c(0,0,1,1,1,2,2,2,0,0)
data3$PK3 <- c(1,2,0,1,2,0,1,2,0,1)
rapply(data3,function(x)length(unique(x)), how = 'unlist')
DupData PK PK2 PK3
1 2 3 3
length(unique(data3$DupData))
[1] 1
length(unique(data3$PK))
[1] 2
length(unique(data3$PK2))
[1] 3
length(unique(data3$PK3))
[1] 3
nrow(unique(data3[,c(1,2)], nmax = 4))
[1] 2
nrow(unique(data3[,c(1,3)], nmax = 4))
[1] 3
nrow(unique(data3[,c(1,4)], nmax = 4))
[1] 3
nrow(unique(data3[,c(1:4)], nmax = 4))
[1] 10
nrow(unique(data3[,c(2,3)], nmax = 4))
[1] 4
nrow(unique(data3[,c(2,4)], nmax = 4))
[1] 5
nrow(unique(data3[,c(3,4)], nmax = 4))
[1] 9
nrow(unique(data3[,c(2:4)], nmax = 4))
[1] 10
T他的問題是：有沒有一種方法可以確定哪些列以簡單，雄辯的方式構成記錄的獨特實例，而無需編寫無限循環？
如果沒有，在R中寫入for循環的最佳方式是什麼，它會告訴你每個組合的列的組合，有一個唯一的計數等於整個數據幀的計數？
希望這比泥更清楚，這對某個人來說是一個簡單的問題。
感謝您的幫助！
歡迎來到SO。請閱讀[問]以及如何創建[可重現的示例]（http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example）並相應地編輯您的問題。 – Heroka
這是不是很清楚你在問什麼。可能有許多列組合可能是複合鍵。如果出現這種情況，你會選擇哪種組合？您可以通過'nrow（unique（df））== nrow（df）'來測試是否存在組合鍵。如果該命令給出「FALSE」，則不存在密鑰。 – nicola
希望添加樣本數據可以讓我更清楚地知道我在找什麼。我知道可以有許多組合來唯一標識一行，但在大多數整潔數據集的實例中，您將擁有一定數量的列來標識行/觀察值。例如，一個PERSON表可能有一個代理鍵，但要確定該人的居住地點，您可能會將一個位置表映射到該人（兩個鍵），並且如果您需要歷史記錄（當他們移入，移出和移回時到那個地址），你也可以添加一個日期字段（三個鍵）。希望我清楚。 – Shanemeister