Question

我有一个包含两列的数据框。第一列定义数据的子集。我想在第二列中找到仅出现在第一列中的一个子集中的所有值。

例如，来自：

df=data.frame(
  data_subsets=rep(LETTERS[1:2],each=5),
  data_values=c(1,2,3,4,5,2,3,4,6,7))

data_subsets data_values
      A           1
      A           2
      A           3
      A           4
      A           5
      B           2
      B           3
      B           4
      B           6
      B           7

我想提取以下数据框。

data_subsets   data_values
    A              1
    A              5
    B              6
    B              7

我一直在玩duplicated，但我似乎无法使其发挥作用。任何帮助表示赞赏。有很多主题可以解决类似的问题，我希望我在搜索中没有忽略答案！

修改的

我修改了@Matthew Lundberg的方法，即计算元素的数量并从数据框中提取。出于某种原因，他的方法不适合我的数据框架，所以我想出了这个，这不太优雅，但完成工作：

counts=rowSums(do.call("rbind",tapply(df$data_subsets,df$data_values,FUN=table)))
extract=names(counts)[counts==1]
df[match(extract,df$data_values),]

Answer 1

首先，找到df $ data_values中每个元素的计数：

 x <- sapply(df$data_values, function(x) sum(as.numeric(df$data_values == x)))

> x
 [1] 1 2 2 2 1 2 2 2 1 1

现在提取行：

> df[x==1,]
   data_subsets data_values
1             A           1
5             A           5
9             B           6
10            B           7

请注意，您错过了上面的“A 5”。没有“B 5”。

Answer 2

您对duplicated有正确的想法。诀窍是结合fromLast = TRUE和fromLast = FALSE选项来获取非重复行的完整列表。

!duplicated(df$data_values,fromLast = FALSE)&!duplicated(df$data_values,fromLast = TRUE)
 [1]  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE

使用此向量索引data.frame给出：

df[!duplicated(df$data_values,fromLast = FALSE)&!duplicated(df$data_values,fromLast = TRUE),]
   data_subsets data_values
1             A           1
5             A           5
9             B           6
10            B           7

Answer 3

P Lapointe答案的变体是

df[! df$data_values %in% df[duplicated( unique(df)$data_values ), ]$data_values,]

unique()处理数据中某些行可能相同的可能性（不在您的测试数据中），如果相同的data_values没有显示为data_sets，则您希望保留一次{1}}（或其他不同的列）。

R - 在数据帧的子集中查找所有唯一值

3 个答案: