BASH中的<uniq>和R中的<unique>有什么区别？

Question

我在BASH中使用uniq和在R中使用unique得到的结果是不同的，我的df看起来像（超过9千行）。

samples read_seq
ccd_x29 GCATTGGT
ccd_x29 GCATTGGT
ccd_x29 GCATTGGT
ccd_x20 GCCCGGCTAG
ccd_x19 GCATTGGTGGTT
ccd_x19 GCATTGGTGGTT

在使用bash之后 uniq 我得到了8811行，并与 df <- unique(df) 我得到8803行。

是什么原因造成的？

Answer 1

如果我们只想省略前一个重复的元素，我们可以使用一个选项 rleid 从 data.table

library(data.table)
library(dplyr)
df %>%
    mutate(new = rleid(samples, read_seq)) %>%
    distinct(new, .keep_all = TRUE) %>%
    select(-new)

Answer 2

来自 R文档:

请注意，与Unix命令不同的是 uniq 这将省略重复的元素，而不仅仅是重复的元素行。也就是说，如果一个元素与之前的元素相等，而不仅仅是与之前的元素相等，就会被省略。关于后者，请参见 rle).