Question

我在R中有一个包含ID.A，ID.B和DISTANCE列的数据帧，其中distance表示ID.A和ID.B之间的距离。对于ID.A的每个值（1-n），可能存在ID.B和DISTANCE的多个值（即，ID.A中可能存在多个重复行，例如，值4中的每个具有不同的ID。 B和那一行的距离）。

我希望能够删除ID.A重复的行，但是以距离值为条件，以便为每个ID.A记录留下最小的距离值。

希望这有意义吗？

非常感谢提前

修改

希望一个例子证明比我的文章更有用。在这里，我想删除ID.A = 3的第二行和第三行：

myDF <- read.table(text="ID.A ID.B DISTANCE
  1 3 1
  2 6 8
  3 2 0.4
  3 3 1
  3 8 5
  4 8  7
  5 2 11", header = TRUE)

Answer 1

您也可以在基础R中轻松完成。如果dat是您的数据框，

do.call(rbind, 
        by(dat, INDICES=list(dat$ID.A), 
           FUN=function(x) head(x[order(x$DISTANCE), ], 1)))

Answer 2

一种可能性：

myDF <- myDF[order(myDF$ID.A, myDF$DISTANCE), ] 

newdata <- myDF[which(!duplicated(myDF$ID.A)),]

给出了：

    ID.A ID.B DISTANCE
1    1    3      1.0
2    2    6      8.0
5    3    2      0.4
6    4    8      7.0
7    5    2     11.0

Answer 3

您可以使用plyr包。例如，如果您的数据如下：

d <- data.frame(id.a=c(1,1,1,2,2,3,3,3,3),
                id.b=c(1,2,3,1,2,1,2,3,4),
                dist=c(12,10,15,20,18,16,17,25,9))

  id.a id.b dist
1    1    1   12
2    1    2   10
3    1    3   15
4    2    1   20
5    2    2   18
6    3    1   16
7    3    2   17
8    3    3   25
9    3    4    9

您可以使用ddply这样的功能：

library(plyr)
ddply(d, "id.a", function(df) return(df[df$dist==min(df$dist),]))

给出了：

  id.a id.b dist
1    1    2   10
2    2    2   18
3    3    4    9

R，有条件地删除重复的行

3 个答案: