Question

我有data.frame只有三列，但有几千行。第一列和第二列报告数字ID，它们的组合表示链接（例如A-B等于B-A）。

现在，我想删除链接重复的所有行，选择第三列中值最高的行。

下面是一个简短的例子：

我的输入data.frame：

1   2    100
102 100  20000
100 102  23131
10  19 124444
10  15   1244
19  10   1242
10  19   5635
2   1    666
1   2     33
100 110     23

我的目标是：

100 102  23131
10  19 124444
10  15   1244
2   1    666
100 110     23

我想在R中找到解决方案，否则postgreSQL也会没问题。非常感谢！

Answer 1

The idea is similar to this one。您可以使用pmin和pmax创建另外两列，按以下方式进行分组：

data.table解决方案。但是如果你不想要data.table，那么你仍然可以使用这个想法。但是，使用R代码获得比data.table解决方案更快的速度是不可能的。

# assuming your data.frame is DF
require(data.table)
DT <- data.table(DF)
# get min of V1,V2 on one column and max on other (for grouping)
DT[, `:=`(id1=pmin(V1, V2), id2=pmax(V1, V2))]
# get max of V3
DT.OUT <- DT[, .SD[which.max(V3), ], by=list(id1, id2)]
# remove the id1 and id2 columns
DT.OUT[, c("id1", "id2") := NULL]

#     V1  V2     V3
# 1:   2   1    666
# 2: 100 102  23131
# 3:  10  19 124444
# 4:  10  15   1244
# 5: 100 110     23

Answer 2

这是基础R中的一个选项，主要用于共享替代方案。由于它涉及转置和排序，实际上，您的“数千行”数据集可能会很慢。假设您的data.frame被称为“mydf”：

myAggs <- as.data.frame(t(apply(mydf[1:2], 1, sort)))
mydf[1:2] <- myAggs
aggregate(V3 ~ ., mydf, max)
#    V1  V2     V3
# 1   1   2    666
# 2  10  15   1244
# 3  10  19 124444
# 4 100 102  23131
# 5 100 110     23

Answer 3

在postgresql ..

如果您的原始表是用三列整数构建的 - a，b，c - 那么您可以使用条件函数来建立max（a，b），min（a，b）的唯一键：

select 
 case when a>=b then a else b end as key1, 
 case when a>=b then b else a end as key2,  
 c from table;

然后您可以使用'group'获取每个键（key1，key2）的最大C：

select 
 key1, 
 key2, 
 max(c) as max_c 
 from (
  select 
  case when a>=b then a else b end as key1, 
  case when a>=b then b else a end as key2,  
  c from table
 ) query
 group by key1, key2;

Answer 4

PostgreSQL的：

select distinct on (1, 2)
    least(a, b), greatest(a, b), c
from data_frame
order by 1, 2, c desc

检测前两列中具有相同数字组合的行，并选择第三列中编号最大的行

4 个答案: