Question

我有一个数据框，我想删除连续的（基础）重复项。我知道rle在这里可能会有所帮助，但却无法想到如何使用它。示例输出将有助于阐明我的要求。

生成样本数据：

set.seed(12)
samps <- sample(1:5, 20, T)
dat <- data.frame(v1=LETTERS[samps], v2=month.abb[samps])
dat[10, 2] <- "Mar"

示例数据：

   v1  v2
1   A Jan
2   E May
3   E May
4   B Feb
5   A Jan
6   A Jan
7   A Jan
8   D Apr
9   A Jan
10  A Mar
11  B Feb
12  E May
13  B Feb
14  B Feb
15  B Feb
16  C Mar
17  C Mar
18  C Mar
19  D Apr
20  A Jan

期望的结果：

   v1  v2
1   A Jan
3   E May
4   B Feb
7   A Jan
8   D Apr
10  A Mar
11  B Feb
12  E May
15  B Feb
18  C Mar
19  D Apr
20  A Jan

Answer 1

这是一种方式，而不是rle，但不是一种方式：

dat[with(dat, c(TRUE, diff(as.numeric(interaction(v1, v2))) != 0)), ]

这假设您正在使用factor列，正如您的示例数据所暗示的那样。

Answer 2

这是使用过滤器的快速解决方案

dat[(filter(dat,c(-1,1))!= 0)[,1],]
     v1   v2
1     A  Jan
3     E  May
4     B  Feb
7     A  Jan
8     D  Apr
10    A  Mar
11    B  Feb
12    E  May
15    B  Feb
18    C  Mar
19    D  Apr
NA <NA> <NA>

您需要将原始数据的最后一个值添加到结果中。

Answer 3

使用rle我想出了这个

ind <- cumsum(rle(as.character(dat$v1))$length)
dat[ind, ]

ind表示连续条目的第一个或最后一个。

编辑：

马修斯评论的一个简单解决方案是

dat[15, 2] <- "May"
dat[cumsum(rle(paste0(dat$v1, dat$v2))$length), ]

从数据框中删除连续的重复项

3 个答案: