Question

我想将数据框子集化为仅包含具有三列唯一组合的行。我的情况类似于this问题中提到的情况，但我还想保留数据中的其他列。这是我的例子：

> df
  v1  v2  v3   v4  v5
1  7   1   A  100  98 
2  7   2   A   98  97
3  8   1   C   NA  80
4  8   1   C   78  75
5  8   1   C   50  62
6  9   3   C   75  75

请求的输出将是这样的，我正在寻找基于v1，v2和v3的唯一案例：

> df.new
  v1  v2  v3   v4  v5
1  7   1   A  100  98 
2  7   2   A   98  97
3  8   1   C   NA  80
6  9   3   C   75  75

如果我能恢复非常独特的行，那也很棒：

> df.dupes
  v1  v2  v3   v4  v5
3  8   1   C   NA  80
4  8   1   C   78  75
5  8   1   C   50  62

我在sql（here）中看到了一个相关的问题，但我无法在R中得到这个。我确信这很简单，但却遇到了unique（）和subset（）hasn没有成果。提前谢谢。

Answer 1

您可以使用duplicated()功能查找唯一组合：

> df[!duplicated(df[1:3]),]
  v1 v2 v3  v4 v5
1  7  1  A 100 98
2  7  2  A  98 97
3  8  1  C  NA 80
6  9  3  C  75 75

要仅获取重复项，您可以在两个方向上进行检查：

> df[duplicated(df[1:3]) | duplicated(df[1:3], fromLast=TRUE),]
  v1 v2 v3 v4 v5
3  8  1  C NA 80
4  8  1  C 78 75
5  8  1  C 50 62

Answer 2

您可以使用plyr包：

library(plyr)

ddply(df, c("v1","v2","v3"), head, 1)
#   v1 v2 v3  v4 v5
# 1  7  1  A 100 98
# 2  7  2  A  98 97
# 3  8  1  C  NA 80
# 4  9  3  C  75 75

ddply(df, c("v1","v2","v3"), function(x) if(nrow(x)>1) x else NULL)
#   v1 v2 v3 v4 v5
# 1  8  1  C NA 80
# 2  8  1  C 78 75
# 3  8  1  C 50 62

Answer 3

使用dplyr即可：

library(dplyr)

# distinct
df %>% 
  distinct(v1, v2, v3, .keep_all = T)

# non-distinct only
df %>% 
  group_by(v1, v2, v3) %>% 
  filter(n() > 1)

# exclude any non-distinct
df %>% 
  group_by(v1, v2, v3) %>% 
  filter(n() == 1)

Answer 4

是的，但是如果您有太多数据，使用plyr和ddply非常慢。

你试试这种事情：

df[ cbind( which(duplicated(df[1:3])), which(duplicated(df[1:3], fromLast=TRUE))),]

或::

from = which(duplicated(df[1:3])
to = which(duplicated(df[1:3], fromLast=TRUE))
df[cbind(from,to),]

大多数人都会更快。

测试一下，让我们知道

有一些错误，但我猜你可以解决这些错误，只要你明白了。

也尝试独特和所有

Answer 5

一种非优雅但功能性的方法是将给定行的条目粘贴在一起，找到哪些是唯一（或非唯一）行，如：

df.vector=apply(df,1,FUN=function(x) {paste(x,collapse="")})
df.table=table(df.vector)

然后用以下内容获取重复项的索引：

which(df.vector%in%names(which(df.table>1)))

Answer 6

我知道这是一个非常老的问题，但是无论如何，使用unique（）函数的显而易见的解决方案也应该在此处显示：

unique(df[1:3])

或通过名称指定列：

unique(df[c("v1","v2","v3)]

...并指定行：

unique(df[,c("v1","v2","v3)]

Answer 7

假设您正在使用data.table，就一个或多个变量而言，具有独特的情况很容易。语法如下所示

unique(DT, by = "var1, var2")

具有唯一案例的子集，基于多个列

7 个答案: