在 r [重复] 中使用 group_by 函数后如何选择最小值或删除重复项答案

【问题标题】：How to select lowest value or remove duplicates after using group_by function in r [duplicate]在 r [重复] 中使用 group_by 函数后如何选择最小值或删除重复项
【发布时间】：2019-05-31 07:57:00
【问题描述】：

我查看了许多线程，但找不到我要查找的内容。我有一个具有多个 ID 和日期的数据集，如下所示。

id  date       code
1   2000-10-08  690
1   2000-10-08  75
1   2000-10-08  35
1   2001-01-01  315
1   2001-01-01  70
1   2008-09-05  690
1   2008-09-05  5
1   2008-09-05  60
2   2006-02-01  188
2   2006-02-01  198
2   2006-02-01  555
2   2006-02-01  690
3   2010-10-10  120
3   2010-10-10  75
3   2010-10-10  25

我不希望每个 id 有重复的日期，并希望根据最低代码值来选择它，所以它最终会像这样：

id  date       code
1   2000-10-08  35
1   2001-01-01  70
1   2008-09-05  5
2   2006-02-01  188
3   2010-10-10  25

我使用了 group_by 函数，以便它按 id 和日期处理数据：

df %>%
 group_by(id, date) %>%
 arrange(code)

但是，我正在努力找出要使用的代码，以便现在只保留每个 id/date 组合的最低值。

谁能帮我解决这个问题？

谢谢

【问题讨论】：

使用min，它适用于每个组...
另外你需要summarise而不是arrange。
这个问题不是stackoverflow.com/questions/9723208/… 的重复，因为聚合只是回答问题的一种方式（也许不是最好的）。
@Ista 同意。 stackoverflow.com/questions/24070714/… 呢？

标签： r dplyr grouping

【解决方案1】：

data.table 接近

library( data.table )
dt[, .( min = min( code ) ), by = .( id, date )]

#    id       date min
# 1:  1 2000-10-08  35
# 2:  1 2001-01-01  70
# 3:  1 2008-09-05   5
# 4:  2 2006-02-01 188
# 5:  3 2010-10-10  25

样本数据

dt <- fread("id  date       code
1   2000-10-08  690
1   2000-10-08  75
1   2000-10-08  35
1   2001-01-01  315
1   2001-01-01  70
1   2008-09-05  690
1   2008-09-05  5
1   2008-09-05  60
2   2006-02-01  188
2   2006-02-01  198
2   2006-02-01  555
2   2006-02-01  690
3   2010-10-10  120
3   2010-10-10  75
3   2010-10-10  25", header = TRUE)

【讨论】：

【解决方案2】：

使用tidyverse，您可以：

library(tidyverse)
dt %>% 
    group_by(id, date) %>% 
    summarise(code = min(code))

  id       date   x
1  1 2000-10-08  35
2  1 2001-01-01  70
3  1 2008-09-05   5
4  2 2006-02-01 188
5  3 2010-10-10  25

【讨论】：

【解决方案3】：

从tidyverse的角度来看，如果有很多列并且需要每个组的'code'的minimum值的行，最好filter有一个逻辑条件

library(tidyverse)
df %>%
   group_by(id, date) %>%
   filter(code == min(code))
# A tibble: 5 x 3
# Groups:   id, date [5]
#     id date        code
#  <int> <chr>      <int>
#1     1 2000-10-08    35
#2     1 2001-01-01    70
#3     1 2008-09-05     5
#4     2 2006-02-01   188
#5     3 2010-10-10    25

如果每个组的 min 值存在关联，并且只希望 min 'code' 的第一次出现

df %>%
   group_by(id, date) %>%
   slice(which.min(code))

或者另一个选项是使用top_n

df %>%
   group_by(id, date) %>%
   top_n(1, -code)

使用来自base R的aggregate

aggregate(code ~ id + date, df, min)
#  id       date code
#1  1 2000-10-08   35
#2  1 2001-01-01   70
#3  2 2006-02-01  188
#4  1 2008-09-05    5
#5  3 2010-10-10   25

数据

df <- structure(list(id = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 
2L, 2L, 3L, 3L, 3L), date = c("2000-10-08", "2000-10-08", "2000-10-08", 
"2001-01-01", "2001-01-01", "2008-09-05", "2008-09-05", "2008-09-05", 
"2006-02-01", "2006-02-01", "2006-02-01", "2006-02-01", "2010-10-10", 
 "2010-10-10", "2010-10-10"), code = c(690L, 75L, 35L, 315L, 70L,
 690L, 5L, 60L, 188L, 198L, 555L, 690L, 120L, 75L, 25L)), 
 class = "data.frame", row.names = c(NA, -15L))

【讨论】：

【解决方案4】：

只需在代码末尾添加slice(1)：

df %>%
 group_by(id, date) %>%
    arrange(code) %>%
    slice(1)
## # A tibble: 5 x 3
## # Groups:   id, date [5]
##      id date        code
##   <int> <fct>      <int>
## 1     1 2000-10-08    35
## 2     1 2001-01-01    70
## 3     1 2008-09-05     5
## 4     2 2006-02-01   188
## 5     3 2010-10-10    25

【讨论】：