R 删除除第一次出现外的所有内容答案

【问题标题】：R remove all but the first occurenceR 删除除第一次出现外的所有内容
【发布时间】：2017-12-14 23:42:22
【问题描述】：

我有一个如下所示的数据框：

  id     date  time
1  1 15-12-15 10:30
2  2 15-12-15 08:30
3  3 16-12-15 10:30
4  1 16-12-15 08:30

可以这样创建：

df <- data.frame(id=c(1,2,3,1),
                 date=c("15-12-15", "15-12-15", "16-12-15", "16-12-15"),
                 time=c("10:30", "08:30", "10:30", "08:30"))

我想删除所有具有重复 id 的行。如果发现重复项，那么我想保留最先出现的id（按日期和时间），并删除所有其他人

我目前的做法是按date排序，然后：

df <- subset(df, duplicated(df$id) == FALSE)

因此，这将保留 id 不重复但保留标准不明确的所有行。它似乎只保留按日期排序时遇到的第一次出现？

有没有一种方法可以做到这一点而不必先进行日期排序？

【问题讨论】：

标签： r sorting dataframe subset

【解决方案1】：

你可能需要这样的东西：

library(dplyr)
df %>%
   group_by(id) %>%
   mutate(datetime = as.POSIXct(paste(date, time), format = "%d-%m-%y %H:%M")) %>%
   arrange(datetime) %>%
   slice(1) %>%
   select(-datetime)


#     id     date   time           
#  <dbl>   <fctr> <fctr>           
#1     1 15-12-15  10:30 
#2     2 15-12-15  08:30 
#3     3 16-12-15  10:30

我们创建一个POSIXct 对象，将date 和time 列粘贴在一起，arrange 相应地从每个组中选择第一个观察值（最早出现的观察值）。

【讨论】：

【解决方案2】：

我们需要fromLast = TRUE

df[!duplicated(df$id, fromLast = TRUE),]
#    id     date  time
#2  2 15-12-15 08:30
#3  3 16-12-15 10:30
#4  1 16-12-15 08:30

如果我们需要考虑“日期”和“时间”（在示例中已经排序）

library(lubridate)
df[!duplicated(df$id[with(df, order(id, ymd_hm(paste(date, time))))], fromLast = TRUE),]
#    id     date  time
#2  2 15-12-15 08:30
#3  3 16-12-15 10:30
#4  1 16-12-15 08:30

【讨论】：

【解决方案3】：

data.table 包含一个增强的unique() 函数，它接受by 参数来指定用于唯一性检查的列：

library(data.table)
unique(setDT(df, key = c("date", "time")), by = "id")

   id     date  time
1:  2 15-12-15 08:30
2:  1 15-12-15 10:30
3:  3 16-12-15 10:30

setDT() 将 df 强制转换为 data.table 类。 key 参数对df 进行排序并将其标记为已排序。

【讨论】：

【解决方案4】：

使用dplyr 的另一种方法是：

df %>% 
  group_by(id) %>%
  arrange(date, time) %>%
  top_n(1)

给出：

     id     date   time
  <dbl>   <fctr> <fctr>
1     2 15-12-15  08:30
2     1 15-12-15  10:30
3     3 16-12-15  10:30

【讨论】：