Question

我有重复年份的面板数据，但我想删除作业值较小的行：

id  name    year    job
1   Jane    1990    100
1   Jane    1992    200
1   Jane    1993    300
1   Jane    1993    1
1   Jane    1997    400
1   Jane    1997    2
2   Tom     1990    400
2   Tom     1992    500
2   Tom     1993    700
2   Tom     1993    1
2   Tom     1997    900
2   Tom     1997    3

我想要以下内容：

id  name    year    job
1   Jane    1990    100
1   Jane    1992    200
1   Jane    1993    1
1   Jane    1997    2
2   Tom     1990    400
2   Tom     1992    500
2   Tom     1993    1
2   Tom     1997    3

有没有办法做到这一点？

Answer 1

你有不同的可能性，例如plyr和dplyr：

# plyr
ddply(tab, .(id, name, year), summarise, job=min(job))
# dplyr
tabg <- group_by(tab, id, name, year)
summarise(tabg, job=min(job))
# basic fonction
aggregate(tab[,"job", drop=FALSE], tab[,3:1], min)

Answer 2

你可以使用函数order的基数R，如James所建议的那样：

> tab[order(tab$job),][! duplicated(tab[order(tab$job), c('id', 'year')], fromLast=T), ]
   id name year job
1   1 Jane 1990 100
2   1 Jane 1992 200
3   1 Jane 1993 300
5   1 Jane 1997 400
7   2  Tom 1990 400
8   2  Tom 1992 500
9   2  Tom 1993 700
11  2  Tom 1997 900

Answer 3

您可以使用ddply：

x <- read.table(textConnection("id  name    year    job
 1   Jane    1990    100
 1   Jane    1992    200
 1   Jane    1993    300
 1   Jane    1993    1
 1   Jane    1997    400
 1   Jane    1997    2
 2   Tom     1990    400
 2   Tom     1992    500
 2   Tom     1993    700
 2   Tom     1993    1
 2   Tom     1997    900
 2   Tom     1997    3"),header=T)

library(plyr)
ddply(x,c("id","name","year"),summarise, job=max(job))
  id name year job
1  1 Jane 1990 100
2  1 Jane 1992 200
3  1 Jane 1993 300
4  1 Jane 1997 400
5  2  Tom 1990 400
6  2  Tom 1992 500
7  2  Tom 1993 700
8  2  Tom 1997 900

请注意，我已在说明中获得了您的要求。您的示例输出与此相矛盾。如果您确实需要示例输出，请使用min代替max。

Answer 4

如果您的数据是数据框df

library(data.table)

dt <- as.data.table(df)
dt[, .SD[which.min(job)], by = list(id, name, year)]

删除R中重复变量的行

4 个答案: