Question

我有一个看起来像的数据集：

    ColA  ColB   ColC  ColD  ColE
    rs778   C   Can     +   C/T
    rs778   C   Pro     +   C/T
    rs779   P   Can     +   A/G
    rs779   P   Can     -   A/G

我想基于C列删除A列中的重复条目。换句话说，如果A列中的两个条目相同，我希望保留的行由C列中的条目确定。如果条目在C列中是相同的，那么留下的行应该由D列确定。如果“Can”＆gt; “Pro”和“+”＆gt; “ - ”，那么我正在寻找的最终输出将是这样的：

    ColA   ColB ColC   ColD ColE
    rs778   C   Can     +   C/T
    rs779   P   Can     +   A/G

我使用以下方法删除了完全重复的数据：

data2 <- data[!duplicated(data[-2]),]

我希望我的解决方案在于对此的一些修改，我还没有发现。谢谢你的帮助！

Answer 1

这是一个可以实现您所需要的解决方案，但可能不是最优雅的方法。

data = read.table(header=TRUE, stringsAsFactors=FALSE,
                  text="ColA  ColB   ColC  ColD  ColE
                        rs778   C   Can     +   C/T
                        rs778   C   Pro     +   C/T
                        rs779   P   Can     +   A/G
                        rs779   P   Can     -   A/G")

# Convert ColC and ColD to factors, controlling sort order with levels arg.
# "Can" will sort before "Pro", and "+" will sort before "-".
data$ColC = factor(data$ColC, levels=c("Can", "Pro"))
data$ColD = factor(data$ColD, levels=c("+", "-"))

# Sort rows.
data = data[order(data$ColA, data$ColC, data$ColD), ]

# Works because prefered ColA duplicate sorts highest.
data2 = data[!duplicated(data$ColA), ]

data2
#    ColA ColB ColC ColD ColE
# 1 rs778    C  Can    +  C/T
# 3 rs779    P  Can    +  A/G

如何根据另一列（在数据集中）中的条目删除列重复项

1 个答案: