根据 R 中的 2 列删除重复的行答案

【问题标题】：Remove duplicated rows based on 2 columns in R根据 R 中的 2 列删除重复的行
【发布时间】：2018-05-30 13:05:41
【问题描述】：

我是 R 新手。我有这个数据框：

TimeStamp  IndexA IndexB Value
12:00:01    1      NA    Windows
12:00:05    1      NA    Windows
12:00:13    1      NA    Windows
12:00:48    NA     1     Macintosh
12:01:30    NA     1     Macintosh
12:01:45    NA     1     Macintosh
12:02:01    2      NA    Windows
12:02:13    2      NA    Windows

我想删除基于列 IndexA 和 Value 或 IndexB 和 Value 的重复行。所以，最终数据框应该是这样的：

TimeStamp  IndexA IndexB Value
12:00:01    1      NA    Windows
12:00:48    NA     1     Macintosh
12:02:01    2      NA    Windows

我该如何管理？

【问题讨论】：

请发布您目前尝试过的代码。另外，stackoverflow.com/questions/13742446/… 似乎可能重复
@Tanu 我确信已经在 SO 上提出过类似的问题，但是您链接到的 Q 不是重复的，恕我直言。在链接的 Q 所有行中，包含重复条目的行将被删除，而这里的第一个条目将被保留。
感谢@Uwe 指出。

标签： r dataframe duplicates

【解决方案1】：

使用dplyr 的解决方案。我们可以使用distinct 函数。 -TimeStamp 是指定在考虑重复时排除此列。 .keep_all = TRUE 表示保留所有列。

library(dplyr)

dt2 <- dt %>%
  distinct(-TimeStamp, .keep_all = TRUE)
dt2
# # A tibble: 3 x 4
#   TimeStamp IndexA IndexB     Value
#       <chr>  <int>  <int>     <chr>
# 1  12:00:01      1     NA   Windows
# 2  12:00:48     NA      1 Macintosh
# 3  12:02:01      2     NA   Windows

数据

dt <- read.table(text = "TimeStamp  IndexA IndexB Value
12:00:01    1      NA    Windows
                 12:00:05    1      NA    Windows
                 12:00:13    1      NA    Windows
                 12:00:48    NA     1     Macintosh
                 12:01:30    NA     1     Macintosh
                 12:01:45    NA     1     Macintosh
                 12:02:01    2      NA    Windows
                 12:02:13    2      NA    Windows",
                 header = TRUE, stringsAsFactors = FALSE)

【讨论】：

【解决方案2】：

为了完整起见，也可以使用 data.table 包中的 unique() 函数：

library(data.table)
unique(setDT(df), by = "IndexA")

   TimeStamp IndexA IndexB     Value
1:  12:00:01      1     NA   Windows
2:  12:00:48     NA      1 Macintosh
3:  12:02:01      2     NA   Windows

这仅在IndexA 中寻找唯一值，这相当于Tito Sanz' answer。显然，这种方法返回给定样本数据集的预期结果，但仅检查 one 列是否有重复条目过于简化恕我直言，并且可能会因生产数据而失败。

或者，寻找三个列中值的唯一组合（相当于www's answer）：

unique(setDT(df), by = 2:4) # very terse
unique(setDT(df), by = c("IndexA", "IndexB", "Value")) # explicitely named cols

   TimeStamp IndexA IndexB     Value
1:  12:00:01      1     NA   Windows
2:  12:00:48     NA      1 Macintosh
3:  12:02:01      2     NA   Windows

数据

library(data.table)
df <- fread(
  "TimeStamp  IndexA IndexB Value
12:00:01    1      NA    Windows
12:00:05    1      NA    Windows
12:00:13    1      NA    Windows
12:00:48    NA     1     Macintosh
12:01:30    NA     1     Macintosh
12:01:45    NA     1     Macintosh
12:02:01    2      NA    Windows
12:02:13    2      NA    Windows")

【讨论】：

【解决方案3】：

你可以使用tidyverse包中的distinct函数。

foo %>% 
  distinct(IndexA, .keep_all = T)

结果如下：

  TimeStamp IndexA IndexB     Value
1  12:00:01      1     NA   Windows
2  12:00:48     NA      1 Macintosh
3  12:02:01      2     NA   Windows

【讨论】：