从数据集中删除重复项后无法保留所有变量答案

【问题标题】：Having trouble keeping all variables after removing duplicates from a dataset从数据集中删除重复项后无法保留所有变量
【发布时间】：2015-09-17 19:59:43
【问题描述】：

因此，我导入了一个包含 178 个观测值和 8 个变量的数据集。然后最终目标是消除其中三个变量（2、5 和 6）中相同的所有观察值。事实证明，使用独特的命令非常容易。

mav2 <- unique(mav[,c(2,5,6)])

生成的mav2 数据框产生了 55 个观察值，消除了所有重复！不幸的是，它还去掉了我在唯一命令中没有使用的其他五个变量（1、3、4、7 和 8）。我最初尝试添加两个数据框，当然这不起作用，因为它们的大小不等。我也尝试过将两者合并，但这失败了，只是给出了第一个数据集的输出，其中包含所有 178 个观察值。

第二个数据集 (mav2) 确实生成了一个新列 (row.names)，它是初始数据集中每个观察值的行号。

如果有人可以帮助我将所有 8 个初始变量放入只有 55 个独特观察值的数据集中，我将不胜感激。提前致谢。

【问题讨论】：

如果您使用data.table，则unique 函数有一个by 参数。
您能提供一个样本mav 数据集吗？这使您的问题更具重现性：stackoverflow.com/questions/5963269/…
很遗憾，我无法分享实际数据

标签： r variables duplicates

【解决方案1】：

我想你想要的是duplicated，一个类似于unique 的函数，它返回重复元素的索引。

所以

mav2 <- mav[!duplicated(mav[,c(2,5,6)]),]

编辑：duplicated 的倒置感

【讨论】：

非常感谢，这正是我想要的！
@Brent 在这种情况下，您介意接受答案吗？

【解决方案2】：

你可以试试这个

mav$key <- 1:nrow(mav)
mav2 <- unique(mav[,c(2,5,6)])
mav_unique <- mav[mav$key%in%mav2$key,]
mav_unique$key <- NULL

编辑：解决关键问题

 rownames(mav) <- 1:nrow(mav) #to make sure they are correctly set
 mav2 <- unique(mav[,c(2,5,6)])
 mav_unique <- mav[rownames(mav)%in%rownames(mav2),]

【讨论】：

【解决方案3】：

您可以尝试这样做。

mav[!(mav$v2==mav$v5 & mav$v5==mav$v6),]

例子：

mav <- data.frame(v1=c(1,2,3),v2=c(2,6,4),v3=c(4,5,6),v4=c(1,5,2),v5=c(5,6,7),v6=c(5,6,8),v7=c(7,4,5),v8=c(6,3,1))

mav
  v1 v2 v3 v4 v5 v6 v7 v8
1  1  2  4  1  5  5  7  6
2  2  6  5  5  6  6  4  3
3  3  4  6  2  7  8  5  1

现在在上述数据框中，列 v2、v5、v6 中的第二行具有相同的值 6。

执行以下操作。

mav <- mav[!(mav$v2==mav$v5 & mav$v5==mav$v6),]

给你

mav
  v1 v2 v3 v4 v5 v6 v7 v8
1  1  2  4  1  5  5  7  6
3  3  4  6  2  7  8  5  1

保留所有其他列。

【讨论】：