通过选择每组一行来折叠数据框

Question

我正在尝试通过从特定列中具有相同值的每组行中删除除一行之外的所有行来折叠数据框。换句话说，每个组的第一行。

例如，我想转换这个

> d = data.frame(x=c(1,1,2,4),y=c(10,11,12,13),z=c(20,19,18,17))
> d
  x  y  z
1 1 10 20
2 1 11 19
3 2 12 18
4 4 13 17

进入这个：

    x  y  z
1   1 11 19
2   2 12 18
3   4 13 17

我目前正在使用聚合来执行此操作，但性能无法接受更多数据：

> d.ordered = d[order(-d$y),]
> aggregate(d.ordered,by=list(key=d.ordered$x),FUN=function(x){x[1]})

我尝试使用与此处相同的函数参数进行拆分/取消拆分，但未拆分抱怨重复的行号。

rle 有可能吗？是否有一个 R 成语将 rle 的长度向量转换为开始每次运行的行的索引，然后我可以使用它从数据框中提取这些行？

Answer 1

也许duplicated() 可以帮忙：

R> d[ !duplicated(d$x), ]
  x  y  z
1 1 10 20
3 2 12 18
4 4 13 17
R> 

编辑嘘，没关系。这会在每个重复块中选择第一个，你想要最后一个。所以这里是另一个使用plyr的尝试：

R> ddply(d, "x", function(z) tail(z,1))
  x  y  z
1 1 11 19
2 2 12 18
3 4 13 17
R> 

plyr 在这里完成了寻找唯一子集、循环它们并应用提供的函数的艰苦工作——它只是使用 tail(z, 1) 返回块 z 中的最后一组观察结果。

Answer 2

只是对 Dirk 提供的内容添加一点...duplicated 有一个 fromLast 参数，您可以使用它来选择最后一行：

d[ !duplicated(d$x,fromLast=TRUE), ]

Answer 3

这是一个data.table 解决方案，对于大型数据集而言，该解决方案将节省时间和内存

library(data.table)
DT <- as.data.table(d)           # convert to data.table
setkey(DT, x)                    # set key to allow binary search using `J()`
DT[J(unique(x)), mult ='last']   # subset out the last row for each x
DT[J(unique(x)), mult ='first']  # if you wanted the first row for each x

Answer 4

有几个使用dplyr的选项：

library(dplyr)
df %>% distinct(x, .keep_all = TRUE)
df %>% group_by(x) %>% filter(row_number() == 1)
df %>% group_by(x) %>% slice(1)

distinct() 和 group_by() 可以使用多个列：

df %>% distinct(x, y, .keep_all = TRUE)

如果有日期或其他一些顺序字段并且 您想确保保留最新的观察结果，如果您想避免平局，slice() 很有用：

df %>% group_by(x) %>% filter(date == max(date)) %>% slice(1)