从数据框中删除连续的重复项答案

【问题标题】：Remove consecutive duplicates from dataframe从数据框中删除连续的重复项
【发布时间】：2012-12-12 22:19:48
【问题描述】：

我有一个数据框，我想删除连续的重复项（在基础中）。我知道rle 在这里可能会有所帮助，但想不出如何使用它。示例输出将有助于阐明我的要求。

生成样本数据：

set.seed(12)
samps <- sample(1:5, 20, T)
dat <- data.frame(v1=LETTERS[samps], v2=month.abb[samps])
dat[10, 2] <- "Mar"

样本数据：

   v1  v2
1   A Jan
2   E May
3   E May
4   B Feb
5   A Jan
6   A Jan
7   A Jan
8   D Apr
9   A Jan
10  A Mar
11  B Feb
12  E May
13  B Feb
14  B Feb
15  B Feb
16  C Mar
17  C Mar
18  C Mar
19  D Apr
20  A Jan

期望的结果：

   v1  v2
1   A Jan
3   E May
4   B Feb
7   A Jan
8   D Apr
10  A Mar
11  B Feb
12  E May
15  B Feb
18  C Mar
19  D Apr
20  A Jan

【问题讨论】：

对于您的示例，似乎可以过滤单个列，但这是意图吗？
不，这不是本意，只是为了方便，我将两列设为相同。我进行了编辑以反映这一点。

标签： r range

【解决方案1】：

这是一种方法，不是rle，而是一种方法：

dat[with(dat, c(TRUE, diff(as.numeric(interaction(v1, v2))) != 0)), ]

这假设您使用的是 factor 列，正如您的示例数据所暗示的那样。

【讨论】：

【解决方案2】：

使用rle 我想出了这个

ind <- cumsum(rle(as.character(dat$v1))$length)
dat[ind, ]

ind 表示连续条目的第一个或最后一个。

编辑：

Matthews 评论的一个简单解决方案是

dat[15, 2] <- "May"
dat[cumsum(rle(paste0(dat$v1, dat$v2))$length), ]

【讨论】：

这适用于 OP 的样本数据，但如果有两个连续的行，例如“E Feb”和“E May”，则会失败。
你是对的！我假设这两列总是有相同的值。
感谢您的工作。 @Matthew's 的概括性更强。

【解决方案3】：

这里是使用过滤器的快速解决方案

dat[(filter(dat,c(-1,1))!= 0)[,1],]
     v1   v2
1     A  Jan
3     E  May
4     B  Feb
7     A  Jan
8     D  Apr
10    A  Mar
11    B  Feb
12    E  May
15    B  Feb
18    C  Mar
19    D  Apr
NA <NA> <NA>

您需要将原始数据的最后一个值添加到结果中。

【讨论】：

周到的回应感谢您在这个问题上所做的工作。我很少考虑过滤器，所以看到使用情况会很有帮助。