Question

我有一个非常大的数据集，如下所示： df <- data.frame(school=c("a", "a", "a", "b","b","c","c","c"), year=c(3,3,1,4,2,4,3,1), GPA=c(4,4,4,3,3,3,2,2))

school year GPA
  a    3   4
  a    3   4
  a    1   4
  b    4   3
  b    2   3
  c    4   3
  c    3   2
  c    1   2

我希望它看起来像：

school year GPA
 a    3   4
 a    3   4
 b    4   3
 c    4   3

所以基本上，我想要的是每个给定的学校，我想要他们的顶尖学生（学生），无论GPA如何。

我试过了：

new_df <- df[!duplicated(paste(df[,1],df[,2])),] 但这给了我学校和学校之间的独特结合。

而下面的那个给了我独特的学校 new_df2 <- df[!duplicated(df$school),]

Answer 1

使用plyr库

require(plyr)
ddply(df,.(school),function(x){x[x$year==max(x$year),]})
> ddply(df,.(school),function(x){x[x$year==max(x$year),]})
  school year GPA
1      a    3   4
2      a    3   4
3      b    4   3
4      c    4   3

或base

test<-lapply(split(df,df$school),function(x){x[x$year==max(x$year),]})
out<-do.call(rbind,test)
> out
    school year GPA
a.1      a    3   4
a.2      a    3   4
b        b    4   3
c        c    4   3

说明： split将数据框拆分为学校列表。

dat<-split(df,df$school)

> dat
$a
  school year GPA
1      a    3   4
2      a    3   4
3      a    1   4

$b
  school year GPA
4      b    4   3
5      b    2   3

$c
  school year GPA
6      c    4   3
7      c    3   2
8      c    1   2

对于每所学校，我们希望成员在最佳年份。

dum.fun<-function(x){x[x$year==max(x$year),]}

> dum.fun(dat$a)
  school year GPA
1      a    3   4
2      a    3   4

lapply将一个函数应用于列表成员并输出一个列表

> lapply(split(df,df$school),function(x){x[x$year==max(x$year),]})
$a
  school year GPA
1      a    3   4
2      a    3   4

$b
  school year GPA
4      b    4   3

$c
  school year GPA
6      c    4   3

这是我们想要的，但是以列表形式。我们需要将列表的成员绑定在一起。我们通过使用rbind连续调用成员do.call来完成此操作。

Answer 2

我是by声明的粉丝（请参阅?by）。 df基于df$school分组，然后返回代表max(year)的每个学校的行。

> by(df,df$school,function(x) x[x$year==max(x$year),])
df$school: a
  school year GPA
1      a    3   4
2      a    3   4
------------------------------------------------------------ 
df$school: b
  school year GPA
4      b    4   3
------------------------------------------------------------ 
df$school: c
  school year GPA
6      c    4   3

do.call(rbind...只是加入从by声明中返回的每所学校的结果。

do.call(rbind,by(df,df$school,function(x) x[x$year==max(x$year),]))

    school year GPA
a.1      a    3   4
a.2      a    3   4
b        b    4   3
c        c    4   3

如何删除R中的重复项

2 个答案: