我的面板数据集中有一些损坏的数据 - 对于某些组 (gid) 和时间 (t)，我有不止一个观察结果。所有观察值都有变量（数量） - 我希望 R 排除数量最少的观察值。
我目前的解决方案是这样，但是我无法控制 R 将排除的两个相同观察中的哪一个...
IMS <- subset(IMS, !duplicated(data.frame(t,gid)))
例子：
Product Strength Pack_size y t Quantity gid
Ibumetin 600MG 100 5.9183 1 10226 2613
Ibumetin 600MG 100 25.3500 1 100 2613
在示例中，要排除的观察是数量为 100 的观察，因为 10226>100。
感谢您提供的帮助，
亨里克
【问题讨论】：
标签： r
使用非常有用的“plyr”包有一个非常简单的方法。
设置：我需要一些试验数据来完成这项工作。这是我使用的：
IMS <- read.table(text="
Product Strength Pack_size y t Quantity gid
Ibumetin 600MG 100 5.9183 1 10226 2613
Ibumetin 600MG 100 25.3500 1 100 2613
Simvastatin 30MG 90 14.1630 1 1036 2614
Simvastatin 30MG 90 12.3345 1 2102 2614
", header=TRUE)
第 1 步：找出每组 [gid]-[t] 对的 [Quantity] 最大值。
library(plyr)
temp_IMS <- ddply(IMS, .(gid,t), mutate, Quantity_max=max(Quantity))
# Product Strength Pack_size y t Quantity gid Quantity_max
# 1 Ibumetin 600MG 100 5.9183 1 10226 2613 10226
# 2 Ibumetin 600MG 100 25.3500 1 100 2613 10226
# 3 Simvastatin 30MG 90 14.1630 1 1036 2614 2102
# 4 Simvastatin 30MG 90 12.3345 1 2102 2614 2102
我们在这里使用“ply”的“dd”变体，因为我们期望输入和输出的数据帧 (d-d-ply)。我们没有做任何特别的事情；我们只是添加了一个名为 [Quantity_max] 的新列，它是通过采用共享相同 [gid] 和 [t] 对 .(gid,t) 的 [Quantity] 值中的 max() 来计算的。 'mutate' 函数保留了数据帧的其余部分，让我们不必为了完成这项工作而做一些愚蠢的小动作。
第 2 步：选择具有相同 [Quantity] 和 [Quantity_max] 的行。
IMS_filtered <- IMS[temp_IMS$Quantity == temp_IMS$Quantity_max,]
# Product Strength Pack_size y t Quantity gid
# 1 Ibumetin 600MG 100 5.9183 1 10226 2613
# 4 Simvastatin 30MG 90 12.3345 1 2102 2614
我们所做的是根据使用“plyr”创建的临时数据框过滤原始数据框。
第 3 步（可选）：如果多行可能具有相同的数量值，那么您需要找到某种方法来选择要使用的行。如果行完全相同，那么您有一个简单的解决方案：
IMS_filtered <- unique(IMS_filtered)
但是，如果您有不同的 [y] 值，则需要执行其他操作，例如基于重复匹配项进行过滤，同时仅考虑某些列。例如，如果我不在乎选择哪个值，只要 [gid] 和 [t] 对相同，那么我可以通过简单的搜索来搜索重复项，如下所示：
IMS_filtered <- IMS_filtered[!duplicated(IMS_filtered[,c("gid","t")]),]
这通过选择不重复的行来选择第一次出现的 [gid]-[t] 对。
希望这有帮助。
【讨论】：
最简单的方法是重新排序数据，以便首先列出最大数量，然后使用您提供的方法：
subset(IMS[order(-IMS$Quantity),],!duplicated(data.frame(t,gid)))
Product Strength Pack_size y t Quantity gid
1 Ibumetin 600MG 100 5.9183 1 10226 2613
4 Simvastatin 30MG 90 12.3345 1 2102 2614
【讨论】：
您可以使用 unique(df) 返回唯一行
【讨论】：