使用 dplyr / tidyverse 删除基于多列的重复行？

Question

我想使用 dplyr / tidyverse 删除基于 >1 列的重复行

示例

library(dplyr)

df <- data.frame(a=c(1,1,1,2,2,2), b=c(1,2,1,2,1,2), stringsAsFactors = F)

我认为这将返回第 3 行和第 6 行，但它返回 0 行。

df %>% filter(duplicated(a, b))
# [1] a b
# <0 rows> (or 0-length row.names)

相反，我认为这会返回第 1、2、4 和 5 行，但它会返回所有行。

df %>% filter(!duplicated(a, b))
#   a b
# 1 1 1
# 2 1 2
# 3 1 1
# 4 2 2
# 5 2 1
# 6 2 2

我错过了什么？

Answer 1

在数据框上使用 unique 会给出唯一的行。

unique(df)

#  a b
#1 1 1
#2 1 2
#4 2 2
#5 2 1

或者，一个整洁的方法可能是选择每个组的第一行。

library(dplyr)

df %>% group_by(a, b) %>% slice(1L) 
#If only 2 columns
#df %>% group_by_all() %>%slice(1L)

#      a     b
#  <dbl> <dbl>
#1     1     1
#2     1     2
#3     2     1
#4     2     2

反过来是：

df %>%  group_by(a, b) %>% filter(n() > 1) %>%  distinct()
#If only 2 columns
#df %>%  group_by_all() %>% filter(n() > 1) %>%  distinct()

#     a     b
#  <dbl> <dbl>
#1     1     1
#2     2     2

Answer 2

duplicated 期望对“一个向量或一个数据框或一个数组”（但不是两个向量...它在第一个查找重复仅论据）。

df %>%
  filter(duplicated(.))
#   a b
# 1 1 1
# 2 2 2

df %>%
  filter(!duplicated(.))
#   a b
# 1 1 1
# 2 1 2
# 3 2 2
# 4 2 1

如果您希望引用特定的列子集，请使用cbind：

df %>%
  filter(duplicated(cbind(a, b)))

作为旁注，dplyr 动词可以是 distinct：

df %>%
  distinct(a, b, .keep_all = TRUE)
#   a b
# 1 1 1
# 2 1 2
# 3 2 2
# 4 2 1

虽然我不知道它有这个函数的逆函数。