有条件地从data.frame中删除重复项

Question

我正在尝试根据变量s的重复值来弄清楚如何对我的数据集进行子集化，同时考虑与该行关联的id。

假设我的数据集是：

dat <- read.table(text = "
        id     s          
        1      2     
        1      2     
        1      1      
        1      3     
        1      3     
        1      3     
        2      3     
        2      3     
        3      2     
        3      2", 
header=TRUE)

我想要做的是，对于每个id，只保留s = 3的第一行。 dat的结果是：

        id     s          
        1      2     
        1      2     
        1      1      
        1      3         
        2      3         
        3      2     
        3      2

我曾尝试同时使用duplicated()和which()来使用subset()，但我不会去任何地方。主要问题是，仅隔离s = 3“块”的第一行是不够的，因为在某些情况下（如id = 1和id = 2之间）3之间的重叠id和另一个..你会采用哪种策略？

Answer 1

像这样：

subset(dat, s != 3 | s == 3 & !duplicated(dat)) 
#    id s
# 1   1 2
# 2   1 2
# 3   1 1
# 4   1 3
# 7   2 3
# 9   3 2
# 10  3 2

请注意subset使用起来可能很危险（请参阅Why is `[` better than `subset`?），因此版本更长但更安全：

dat[dat$s != 3 | dat$s == 3 & !duplicated(dat), ]