我正在尝试根据我的变量id从数据集中删除重复的观察结果。但是,我希望删除观察结果基于以下规则。下面的变量是id,户主的性别(男性,男性,女性)和户主的年龄。规则如下。如果一个家庭有男性和女性家庭户主,则取消女性户主观察。如果一个家庭为两个男性或两个女性头部,请用年轻的家庭头部取消观察。下面是一个示例数据集。
id = c(1,2,2,3,4,5,5,6,7,8,8,9,10)
sex = c(1,1,2,1,2,2,2,1,1,1,1,2,1)
age = c(32,34,54,23,32,56,67,45,51,43,35,80,45)
data = data.frame(cbind(id,sex,age))
答案 0 :(得分:12)
您可以先命名data.frame
,然后先为每个id
添加所需的条目,然后删除重复id
的行。
d <- with(data, data[order(id, sex, -age),])
# id sex age
# 1 1 1 32
# 2 2 1 34
# 3 2 2 54
# 4 3 1 23
# 5 4 2 32
# 7 5 2 67
# 6 5 2 56
# 8 6 1 45
# 9 7 1 51
# 10 8 1 43
# 11 8 1 35
# 12 9 2 80
# 13 10 1 45
d[!duplicated(d$id), ]
# id sex age
# 1 1 1 32
# 2 2 1 34
# 4 3 1 23
# 5 4 2 32
# 7 5 2 67
# 8 6 1 45
# 9 7 1 51
# 10 8 1 43
# 12 9 2 80
# 13 10 1 45
答案 1 :(得分:8)
使用data.table
,“复合查询”很容易。要在阅读时订购数据,请在读取时将“密钥”设置为“id,sex”(如果任何女性值出现在给定ID的男性值之前,则需要)。
> library(data.table)
> DT <- data.table(data, key = "id,sex")
> DT[, max(age), by = key(DT)][!duplicated(id)]
id sex V1
1: 1 1 32
2: 2 1 34
3: 3 1 23
4: 4 2 32
5: 5 2 67
6: 6 1 45
7: 7 1 51
8: 8 1 43
9: 9 2 80
10: 10 1 45