查找具有唯一值组合的行 (R)答案

【问题标题】：Finding rows with a unique combination of values (R)查找具有唯一值组合的行 (R)
【发布时间】：2020-03-22 07:35:18
【问题描述】：

这个标题有点复杂，我敢肯定，如果我能想出一种更好地描述它的方法，我可以更好地用谷歌搜索它。

我的数据如下所示：

SET                     ID    
100301006              1287025
100301006              1287026
100301010              1287027
100301013              1287030
100301011              1287027

并且我想识别并选择那些行中的每个值都具有该列的唯一值的行。在上面的示例中，我只想抓取行：

100301013              1287030

我不想要 SET100301006，因为它匹配 ID 字段中的 2 个不同记录（1287025 和 1287026）。同样，我不想要 SET 100301010，因为它与 (1287027) 匹配的 ID 记录也可以匹配另一个 SET (10030011)。

在某些情况下，匹配项可能超过 2 个。

我可以循环执行此操作，但这似乎是一种 hack。我想要一个基本的 R 或 data.table 解决方案，但我对 dplyr 不太感兴趣（试图最小化依赖关系）。

【问题讨论】：

标签： r dataframe data.table

【解决方案1】：

我们可以在每一列上独立地使用duplicated 来创建逻辑vectors 的list，将Reduce 与& 一起使用为单个向量，并使用它来对数据集的行进行子集化

df1[Reduce(`&`, lapply(df1, function(x) 
         !(duplicated(x)|duplicated(x, fromLast = TRUE)))),]
#     SET      ID
#4 100301013 1287030

或如@chinsoon12 建议的那样

 m1 <- sapply(df1, function(x) !(duplicated(x)| duplicated(x, fromLast = TRUE)))
 df1[rowSums(m1) == ncol(m1),, drop = FALSE]

数据

df1 <- structure(list(SET = c(100301006L, 100301006L, 100301010L, 100301013L, 
100301011L), ID = c(1287025L, 1287026L, 1287027L, 1287030L, 1287027L
)), class = "data.frame", row.names = c(NA, -5L))

【讨论】：

【解决方案2】：

这是一个快速的 base-R hack：

df <- read.table(header = TRUE, stringsAsFactors = FALSE, text = "
SET                     ID    
100301006              1287025
100301006              1287026
100301010              1287027
100301013              1287030
100301011              1287027")

counts <- sapply(df, function(x) { tb <- table(x); tb[ match(x, names(tb)) ]; })
counts
#           SET ID
# 100301006   2  1
# 100301006   2  1
# 100301010   1  2
# 100301013   1  1
# 100301011   1  2

此时，我们有在其列中找到每个元素的次数......所以我们想要所有计数都为 1 的行。

df[ rowSums(counts == 1) == ncol(df), ]
#         SET      ID
# 4 100301013 1287030

【讨论】：

【解决方案3】：

您可以使用 data.table 仅选择具有 1 行的组，首先按 ID 分组，然后按 SET 分组。这类似于@r2evans 检查 ID 和 SET 的计数是否均为 1 的方法。

library(data.table)
setDT(df)

df[, if(.N == 1) .SD, ID][, if(.N == 1) .SD, SET]

#          SET      ID
# 1: 100301013 1287030

或超过 2 列

Reduce(function(x, y) x[, if(.N == 1) .SD, y], names(df), init = df)
#         ID       SET
# 1: 1287030 100301013

【讨论】：

【解决方案4】：

有了base R，或许你可以用ave()来实现：

r <-df[which(with(df,ave(seq(nrow(df)),SET,FUN = length)*ave(seq(nrow(df)),ID,FUN = length)) == 1),]
> r
        SET      ID
4 100301013 1287030

数据

df <- read.table(text="SET                     ID    
100301006              1287025
100301006              1287026
100301010              1287027
100301013              1287030
100301011              1287027",header = T)

【讨论】：

感谢所有回复的人。我选择了@ThomasIsCoding 的回复，因为我觉得它最易读。

【解决方案5】：

如果我们有一个数据框df 并且想要查找列的唯一值：column1、column2、column3：

library(dplyr)
df <- df %>% group_by(column1,column2,column3) %>% summarise()

【讨论】：