【问题标题】:Removing duplicate rows from a data frame in R, keeping those with a smaller/larger value从 R 中的数据框中删除重复的行,保留具有较小/较大值的行
【发布时间】:2017-01-10 19:15:42
【问题描述】:

我正在尝试删除 R 数据框中的重复行,但我希望保留某个列中具有较小或较大值的行(出于此问题的目的不打扰)的条件。

我可以像这样正常(从任一侧)删除重复的行:

df = data.frame( x = c(1,1,2,3,4,5,5,6,1,2,3,3,4,5,6),
             y = c(rnorm(4),NA,rnorm(10)),
             id = c(rep(1,8), rep(2,7)))

splitID <- split(df , df$id)
lapply(splitID, function(x) x[!duplicated(x$x),] )

如何设置删除重复行的条件?

谢谢!

【问题讨论】:

    标签: r dataframe conditional


    【解决方案1】:

    使用ave() 返回一个逻辑索引来子集你的data.frame

    idx = as.logical(ave(df$y, df$x, df$id, FUN=fun))
    df[idx,, drop=FALSE]
    

    一些可能的fun 包括

    fun1 = function(x)
        !is.na(x) & !duplicated(x) & (x == min(x, na.rm=TRUE))
    
    fun2 = function(x) {
        res = logical(length(x))
        res[which.min(x)] = TRUE
        res
    }
    

    这个的 dplyr 版本可能是

    df %>% group_by(x, id) %>% filter(fun2(y))
    

    【讨论】:

      【解决方案2】:

      在申请duplicated之前,我们可能需要order

      lapply(splitID, function(x) x[!duplicated(x[order(x$x, x$y),]$x),] )
      

      反之亦然,即保持较大的值,order 和 decreasing = TRUE

      【讨论】:

      • 设置 decreasing = TRUE 时,我得到第二个重复项后的行。
      • @user3237820 试试lapply(splitID, function(x) x[!duplicated(x[order(x$x, x$y),]$x, fromLast = TRUE),] )
      • 不,这只是从底部向上删除第一个重复项,而不是最小值。
      • @user3237820 如果您注意到,我们订购了“x”和“y”
      • 运行lapply(splitID, function(i) i[with(i, order(x,y, decreasing=F)),] ),然后运行lapply(orderedSplit, function(x) x[!duplicated(x$x, fromLast = T),]) 有效,但不能一起运行(至少我尝试过!)。感谢您的帮助。
      猜你喜欢
      • 2014-11-24
      • 2016-01-07
      • 1970-01-01
      • 2019-10-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2016-11-02
      相关资源
      最近更新 更多