时间戳

首页 > 解决方案 > 根据规则删除多列和多行中的重复项

r - 根据规则删除多列和多行中的重复项

问题描述

假设我有以下数据：

dt <- data.frame(id=c(1,1,2,2,3,3,3,4,5,5,5,5,6,7,7),
             rk=c("a","a","b","b","c","y","c","d","e","y","e","e","f","g","h"),
             .id=c("df1", "df9", "df5", "df16", "df2", "df11", "df11", "df4", "df9", "df4", "df6", "df3", "df16", "df2", "df9"))

所以我的数据看起来像这样：

id   rk  .id
1    a   df1
1    a   df9
2    b   df5
2    b  df16
3    c   df2
3    y  df11
3    c  df11
4    d   df4
5    e   df9
5    y   df4
5    e   df6
5    e   df3
6    f  df16
7    g   df2
7    h   df9

但我只想要每对id和rk一行。因此，在示例中，id=5 可以有两行：一行 rk=e，另一行 rk=y。

为了找到要保留的正确行，我查看了.id列。在这里，我按以下顺序排列优先级：

df2、df9、df1、df5、df4、df6、df15、df17、df16、df14、df8、df11、df3、df7、df12、df13、df10

所以我总是在 .id=df9 的一行上保留 .id=df2 的一行。同样，我将始终保留 .id=df15 的行而不是 .id=df14 的行。

请注意，顺序不是按时间顺序排列的。

回到我的示例数据，这就是我想要得到的结果：

id   rk  .id
1    a   df9
2    b   df5
3    c   df2
3    y  df11
4    d   df4
5    e   df9
5    y   df4
6    f  df16
7    g   df2
7    h   df9

我的数据集很大，所以我希望你们中的一些人可以帮助我编写一些代码，使这变得容易。

标签： rduplicatesconditional-statements

解决方案

With dplyrwe can group_by idand rkget the first matchof .idwith new_order。

library(dplyr)
dt %>%
  group_by(id, rk) %>%
  summarise(.id = .id[which.min(match(.id, new_order))])

#   id rk    .id  
#   <dbl> <fct> <fct>
# 1  1.00 a     df9  
# 2  2.00 b     df5  
# 3  3.00 c     df2  
# 4  3.00 y     df11 
# 5  4.00 d     df4  
# 6  5.00 e     df9  
# 7  5.00 y     df4  
# 8  6.00 f     df16 
# 9  7.00 g     df2  
#10  7.00 h     df9

等效的，基本 Raggregate选项是

aggregate(.id~id+rk, dt, function(x) x[which.min(match(x, new_order))])

如果还有其他一些我们想要保留的列，我们可以使用filter而不是summarise

dt %>%
 group_by(id, rk) %>%
 filter(.id == .id[which.min(match(.id, new_order))])

其等效ave选项是

dt[with(dt, .id ==  ave(.id, id, rk, FUN = function(x) 
                    x[which.min(match(x, new_order))])), ]

在哪里 ，

new_order <- c("df2", "df9", "df1", "df5", "df4", "df6", "df15", "df17", "df16",
           "df14", "df6", "df8", "df11", "df3", "df7", "df12", "df13", "df10")

推荐阅读