如何对您的数据框进行子集化以仅保留第一个副本？ [复制]答案

【问题标题】：How to subset your dataframe to only keep the first duplicate? [duplicate]如何对您的数据框进行子集化以仅保留第一个副本？ [复制]
【发布时间】：2018-08-27 11:48:55
【问题描述】：

我有一个包含多个变量的数据框，我对如何对其进行子集化感兴趣，以便它只包含第一个重复项。

    >head(occurrence)
    userId        occurrence  profile.birthday profile.gender postDate count
    1 100469891698         6               47         Female 583 days     0
    2 100469891698         6               47         Female  55 days     0
    3 100469891698         6               47         Female 481 days     0
    4 100469891698         6               47         Female 583 days     0
    5 100469891698         6               47         Female 583 days     0
    6 100469891698         6               47         Female 583 days     0

在这里您可以看到数据框。 'occurrence' 列计算相同 userId 出现的次数。我尝试了以下代码来删除重复项：

    occurrence <- occurrence[!duplicated(occurrence$userId),]

但是，这种方式会删除“随机”重复项。我想保留 postDate 最旧的数据。例如，第一行应该是这样的：

   userId        occurrence  profile.birthday profile.gender postDate count
  1 100469891698         6               47         Female 583 days     0

感谢您的帮助！

【问题讨论】：

欢迎来到 Stack Overflow。 duplicated 标记为 TRUE 除第一个以外的所有出现（无随机性）。但是，您的数据可能不会按postDate 排序（递减），因此您需要在通话之前对其进行排序，或者使用按postDate 分组的替代方式，每个userId 只保留一行（您可以找到examples of codes to do that in SO Q&A)

标签： r duplicates subset

【解决方案1】：

您是否尝试过像这样先订购：

occurrence <- occurrence[order(occurrence$userId, occurrence$postDate, decreasing=TRUE),]
occurrenceClean <- occurrence[!duplicated(occurrence$userId),]
occurrenceClean

【讨论】：

【解决方案2】：

您可以为此使用 dplyr，并在过滤最大 postDate 后，使用 distinct（唯一）删除所有重复的行。当然，如果最大 postDate 的行存在差异，您将获得所有这些记录。

occurrence <- occurrence %>% 
  group_by(userId) %>% 
  filter(postDate == max(postDate)) %>% 
  distinct

  occurence
# A tibble: 1 x 6
# Groups:   userId [1]
        userId occurrence profile.birthday profile.gender postDate count
         <dbl>      <int>            <int> <chr>          <chr>    <int>
1 100469891698          6               47 Female         583 days     0

【讨论】：