R - 删除在 data.frame 中多次出现的变量组合答案

【问题标题】：R - Remove combinations of variables that occur more than once in a data.frameR - 删除在 data.frame 中多次出现的变量组合
【发布时间】：2016-04-01 12:18:48
【问题描述】：

假设我有一个数据框df，其中包含三个向量：

  colours   individual value
1   white individual 1   0.4
2   white individual 1   0.7
3   black individual 2   1.1
4   black individual 3   0.5

有时，同一个人多次出现相同颜色但值不同的情况。我想编写一些代码来删除所有发生这种情况的实例。

***编辑：行数超过 4 - 数百万 - 我认为当前的解决方案行不通。

我想计算我当前所在的字符串在我的 for 循环中出现了多少次，然后从 data.frame 中删除它们。所以在上面的例子中，我想去掉个体 1。然后 df 会留下另外两行。

到目前为止，我的方法是这样的：

获取所有颜色的列表
获取所有个人的列表
写两个 for 循环。

colours <- unique(df$colours) ind <- unique(df$individual) for (i in ind) { for (c in colour) { #something here. Probably if, asking if the person I'm on in the loop #is found with the colour I am on, more than once, get rid of them } }

我的预期输出是这样的：

colours  individual   value

black   individual 2   1.1

black   individual 3   0.5

源数据

df <- data.frame(colours = c("white", "white", "black", "black"),
                 individual = c("individual 1", "individual 1", "individual 2", "individual 3"),
                 value = c(0.4, 0.7, 1.1, 0.5))

【问题讨论】：

你能用预期的输出更新吗
感谢您的建议，mtoto。除非有另一个具有不同值的向量，否则这将起作用。我不知道哪个值是正确的，所以我试图删除我为相同颜色的同一个人找到两个值的地方。我将把它编辑成问题，因为我刚刚注意到这会使事情变得复杂。
有人可以取消将此标记为重复吗？它不是。行不同。我改变了问题以反映这一点。抱歉之前的困惑。
好的，我只是关注 mtoto 的链接。如果不是这种情况，我将取消标记。但是，我会说duplicated(...)|duplicated(..., fromLast=TRUE) 是骗子。
在我看来仍然是重复的，只需要像df[!(duplicated(df[1:2]) | duplicated(df[1:2], fromLast = TRUE)), ]中那样指定cols

标签： r duplicates

【解决方案1】：

您可以尝试使用 dplyr 库中的 anti_join()：

library(dplyr)
anti_join(df1, df1[duplicated(df1[1:2]),], by="individual")
#  colours   individual value
#1   black individual 3   0.5
#2   black individual 2   1.1

【讨论】：

嗨，这是否不仅摆脱了前两行？我猜是为了让它遍历我需要修改的所有行，所以我摆脱它只应用于前两列？
@Gotmadstacks 它应该消除 data.frame 中的任何行，其中第一列和第二列中的条目组合出现多次。

【解决方案2】：

一个简单的dplyr 方法是根据需要进行分组并过滤出少于 2 个观察值的组：

library(dplyr)
df %>%
  group_by(colours, individual) %>%
  filter(n() < 2)

Source: local data frame [2 x 3]
Groups: colours, individual [2]

  colours   individual value
   (fctr)       (fctr) (dbl)
1   black individual 2   1.1
2   black individual 3   0.5

【讨论】：

【解决方案3】：

这是另一个使用data.table的选项

library(data.table)
setDT(df1)[, if(.N==1) .SD , .(colours, individual)]
#   colours   individual value
#1:   black individual 2   1.1
#2:   black individual 3   0.5

【讨论】：

【解决方案4】：

根据 cmets 中的一些建议，这个答案效果最好：

df[!(duplicated(df[,1:2]) | duplicated(df[,1:2], fromLast = TRUE)), ]

与 cmets 略有不同。这指定了列而不是行，因此可以从问题中获得我想要的结果（删除那些个人和颜色重复的行）。通常更有用，因为问题中的示例数据只有四行，而不是数百万行。

【讨论】：

这是最简单的方法，无需导入任何包。

【解决方案5】：

这应该可以。我创建了一个示例数据集，添加了索引向量以显示您仅保存第一次出现的颜色用户出现。这是有效的，你的行名是实际的行号。

## Data preparation
colours <- sample(c("red","blue","green","yellow"), size = 50, replace = T)
users <- sample(1:10, size=50, replace=T )
df <- data.frame(colours,users)
df$value <- runif(50)
df$index <- 1:50

## Keep only the first occurence
res <- unique(df[,1:2])
res$values <- df$value[as.integer(rownames(res))]

【讨论】：