r - 要删除重复的行,除非列中存在 NA 值
问题描述
我有一个包含 4 列的数据表:ID、名称、Rate1、Rate2。
我想删除 ID、Rate1 和 Rate 2 相同的重复项,但 如果它们都是 NA,我想保留这两行。
基本上,我想有条件地删除重复项,但前提是条件!= NA。
例如,我想要这样:
ID Name Rate1 Rate2
1 Xyz 1 2
1 Abc 1 2
2 Def NA NA
2 Lmn NA NA
3 Hij 3 5
3 Qrs 3 7
变成这样:
ID Name Rate1 Rate2
1 Xyz 1 2
2 Def NA NA
2 Lmn NA NA
3 Hij 3 5
3 Qrs 3 7
提前致谢!
编辑:我知道可以只取数据表中 Rates 为 NA 的子集,然后删除剩余部分的重复项,然后重新添加 NA 行 - 但是,我宁愿避免这种策略。这是因为实际上有很多对联的利率我想连续这样做。
EDIT2:为清楚起见,在示例中添加了更多行。
解决方案
一个base R
选项是duplicated
在没有“名称”列的数据集子集上使用,即列索引 2 来创建逻辑向量,取反(!
- TRUE 变为 FALSE,反之亦然),这样 TRUE 将是非重复行。rowSums
除此之外,在逻辑矩阵( -Rate 列)上创建另一个条件is.na(df1[3:4])
以获得所有 NA 的行 - 这里我们将其与 2 进行比较 - 即数据集中的 Rate 列数)。这两个条件都被连接起来|
以创建预期的逻辑索引
i1 <- !duplicated(df1[-2])| rowSums(is.na(df1[3:4])) == 2
df1[i1,]
# ID Name Rate1 Rate2
#1 1 Xyz 1 2
#3 2 Def NA NA
#4 2 Lmn NA NA
或Reduce
从base R
df1[Reduce(`&`, lapply(df1[3:4], is.na)) | !duplicated(df1[-2]), ]
将其包装在一个函数中
f1 <- function(dat, i, method ) {
nm1 <- grep("^Rate", colnames(dat), value = TRUE)
i1 <- !duplicated(dat[-i])
i2 <- switch(method,
"rowSums" = rowSums(is.na(dat[nm1])) == length(nm1),
"Reduce" = Reduce(`&`, lapply(dat[nm1], is.na))
)
i3 <- i1|i2
dat[i3,]
}
-测试
f1(df1, 2, "rowSums")
# ID Name Rate1 Rate2
#1 1 Xyz 1 2
#3 2 Def NA NA
#4 2 Lmn NA NA
f1(df1, 2, "Reduce")
# ID Name Rate1 Rate2
#1 1 Xyz 1 2
#3 2 Def NA NA
#4 2 Lmn NA NA
f1(df2, 2, "rowSums")
# ID Name Rate1 Rate2
#1 1 Xyz 1 2
#3 2 Def NA NA
#4 2 Lmn NA NA
#5 3 Hij 3 5
#6 3 Qrs 3 7
f1(df2, 2, "Reduce")
# ID Name Rate1 Rate2
#1 1 Xyz 1 2
#3 2 Def NA NA
#4 2 Lmn NA NA
#5 3 Hij 3 5
#6 3 Qrs 3 7
如果有多个 'Rate' 列(比如 100 或更多 - 在第一个解决方案中唯一需要更改的是2
应该更改为 'Rate' 列的数量)
或使用tidyverse
library(tidyvesrse)
df1 %>%
group_by(ID) %>%
filter_at(vars(Rate1, Rate2), any_vars(!duplicated(.)|is.na(.)))
# A tibble: 3 x 4
# Groups: ID [2]
# ID Name Rate1 Rate2
# <int> <chr> <int> <int>
#1 1 Xyz 1 2
#2 2 Def NA NA
#3 2 Lmn NA NA
df2 %>%
group_by(ID) %>%
filter_at(vars(Rate1, Rate2), any_vars(!duplicated(.)|is.na(.)))
# A tibble: 5 x 4
# Groups: ID [3]
# ID Name Rate1 Rate2
# <int> <chr> <int> <int>
#1 1 Xyz 1 2
#2 2 Def NA NA
#3 2 Lmn NA NA
#4 3 Hij 3 5
#5 3 Qrs 3 7
正如@Paul 在评论中提到的,tidyverse
截至 2021 年 11 月 4 日的更新语法是
library(dplyr)
df2 %>%
group_by(ID) %>%
filter(if_any(cRate1, Rate2), ~ !duplicated(.)|is.na(.)))
数据
df1 <- structure(list(ID = c(1L, 1L, 2L, 2L), Name = c("Xyz", "Abc",
"Def", "Lmn"), Rate1 = c(1L, 1L, NA, NA), Rate2 = c(2L, 2L, NA,
NA)), class = "data.frame", row.names = c(NA, -4L))
df2 <- structure(list(ID = c(1L, 1L, 2L, 2L, 3L, 3L), Name = c("Xyz",
"Abc", "Def", "Lmn", "Hij", "Qrs"), Rate1 = c(1L, 1L, NA, NA,
3L, 3L), Rate2 = c(2L, 2L, NA, NA, 5L, 7L)), class = "data.frame",
row.names = c(NA, -6L))
推荐阅读
- php - 从 Wordpress 数据库中检索和显示数据
- javascript - Google Chrome DevTools 无法解析 SourceMap:chrome-extension
- android - 将 executePendingBindings() 与 gridView 一起使用
- c# - 如何在 C# 中仅为特定子类在父类中设置变量值?
- asp.net-core - web.config 中的 .NET Core AppSettings 问题
- laravel - 在 Bitbucket 管道中使用 Elasticsearch 服务
- highcharts - 为了显示工具提示,有没有办法增加特定点的灵敏度?
- python - SSL:CERTIFICATE_VERIFY_FAILED 尝试使用 django 验证 reCAPTCHA
- mysql - 左连接未知列
- java - Derby Db NoClassDefFoundError 在 Netbeans 之外不起作用