时间戳

首页 > 解决方案 > R：如何删除仅一（二、三）列中与另一行不同的行？

r - R：如何删除仅一（二、三）列中与另一行不同的行？

问题描述

我有一个类似于以下示例的数据框。有时，行包含与另一行中的对象相同的信息，除了一个（或多个）列包含“NA”。我只想要包含尽可能多信息的行，所以我想删除所有包含“NA”但与另一行具有相同信息的行。“NA”可能在 C 或 D 列或两者中（从不在 A 或 B 中）。如果没有“更准确”的行，则必须保留包含“NA”的行。

我已经尝试过使用 for 循环（参见示例）并且它有效，第 1 行和第 6 行将被删除。但是，我必须对其进行调整以检查 C 列，并且在我的真实数据中我有更多列，因此有更多可能的组合，这使得该解决方案不切实际并且可能导致错误。

有没有其他方法可以轻松解决这个问题？谢谢！

df <- rbind(data.frame(A = "obj1", B = "1", C = "2", D = "NA"), 
            data.frame(A = "obj1", B = "1", C = "2", D = "3"),
            data.frame(A = "obj2", B = "1", C = "NA", D = "3"),
            data.frame(A = "obj2", B = "1", C = "2", D = "3"),
            data.frame(A = "obj2", B = "3", C = "2", D = "3"),
            data.frame(A = "obj2", B = "3", C = "2", D = "NA"),
            data.frame(A = "obj3", B = "2", C = "4", D = "6"),
            data.frame(A = "obj4", B = "2", C = "NA", D = "NA"))

toBeDeleted <- c(55)

for (i in 1:nrow(df)){
  thisRow <- df[i,]

  if (thisRow$D == "NA"){
    for (j in i:nrow(subset(df, A == thisRow$A))){
      anotherRow <- df[j,]
      if (anotherRow$A == thisRow$A & anotherRow$B == thisRow$B 
          & anotherRow$C == thisRow$C & anotherRow$D != thisRow$D){
        toBeDeleted <- c(toBeDeleted,i)
      }
    }
  }
}

df2 <- df[-toBeDeleted,]

标签： r

解决方案

我们可以使用duplicated(df[1:2])和的duplicated(df[1:2], fromLast = TRUE)组合rowSums(is.na(df)) > 0来排除所有NA重复的行：

df <- rbind(data.frame(A = "obj1", B = "1", C = "2", D = NA), 
            data.frame(A = "obj1", B = "1", C = "2", D = "3"),
            data.frame(A = "obj2", B = "1", C = NA, D = "3"),
            data.frame(A = "obj2", B = "1", C = "2", D = "3"),
            data.frame(A = "obj2", B = "3", C = "2", D = "3"),
            data.frame(A = "obj2", B = "3", C = "2", D = NA),
            data.frame(A = "obj3", B = "2", C = "4", D = "6"),
            data.frame(A = "obj4", B = "2", C = NA, D = NA))

df[!((duplicated(df[1:2]) | duplicated(df[1:2], fromLast = TRUE)) & rowSums(is.na(df)) > 0),]

     A B    C    D
2 obj1 1    2    3
4 obj2 1    2    3
5 obj2 3    2    3
7 obj3 2    4    6
8 obj4 2 <NA> <NA>

它是一个简单的子集，因此不需要循环，即使有大量数据也非常快。它是这样工作的：

我们调用数据df[]并排除!()前两列有重复df[1:2]且至少有一个NA值的所有行rowSums(is.na(df)) > 0。为此，您需要真实NA的数据，而不是character "NA"上面示例数据中的数据。如果您只有"NA"，请rowSums(df == "NA") > 0改用。

推荐阅读