Question

我有这个数据框：

    Name    Country Gender  Age
1   John      GB      M     25
2   Mark      US      M     35
3   Jane      0       0      0
4   Jane      US      F     30
5   Jane      US      F      0
6   Kate      GB      F     18

正如您所看到的，“Jane”的值出现了3次。我想要做的是根据变量“名称”对列表进行重复数据删除，但由于其余列对我很重要，我希望保留其中包含最多信息的行。例如，如果我要在excel中对上述文件进行重复数据删除，它将保留“Jane”的第一个值并删除所有其他值。但是“Jane”（第3行）的第一个值在其他列中缺少信息。

因此换句话说，我希望通过“名称”对列表进行重复数据删除，但添加一个条件以保持“Age”列中任何其他值与“0”不同的行。这样我得到的结果就是：

    Name    Country Gender  Age
1   John       GB     M     25
2   Mark       US     M     35
3   Jane       US     F     30
4   Kate       GB     F     18

我试过这个

file3 <- file1[!duplicated(file1$Name),]

但是像excel一样，它保留了“Jane”的值，在其他列中没有可用的信息。

如何根据Z-A顺序中的“Age”列对行进行排序，以便任何具有“0”的内容都位于底部，并在删除重复列表时删除？

干杯

大卫

Answer 1

尝试这个技巧

ind <- with(DF, 
        Country !=0 &
        Gender %in% c('F', 'M') &
        Age !=0)

DF[ind, ]
  Name Country Gender Age
1 John      GB      M  25
2 Mark      US      M  35
4 Jane      US      F  30
6 Kate      GB      F  18

到目前为止它运作良好并产生您想要的输出

修改

library(doBy) orderBy(~ -Age+Name, DF) # Sort decreasingly by Age and Name Name Country Gender Age 2 Mark US M 35 4 Jane US F 30 1 John GB M 25 6 Kate GB F 18 3 Jane 0 0 0 5 Jane US F 0

或者只是使用基本功能：

DF[order(DF$Age, DF$Name, decreasing = TRUE), ] Name Country Gender Age 2 Mark US M 35 4 Jane US F 30 1 John GB M 25 6 Kate GB F 18 3 Jane 0 0 0 5 Jane US F 0

现在您可以通过索引符合条件的正确行来进行选择，我认为第一部分比这两个部分更好。

Answer 2

如果所有重复的行在Age列中的值为零，则它将与subset一起使用：

# the data
file1 <- read.table(text="Name    Country Gender  Age
1   John      GB      M     25
2   Mark      US      M     35
3   Jane      0       0      0
4   Jane      US      F     30
5   Jane      US      F      0
6   Kate      GB      F     18", header = TRUE, stringsAsFactors = FALSE)

# create a subset of the data
subset(file1, Age > 0)

#   Name Country Gender Age
# 1 John      GB      M  25
# 2 Mark      US      M  35
# 4 Jane      US      F  30
# 6 Kate      GB      F  18

根据R中的标准对数据帧进行重复数据删除？

2 个答案: