R编码以随机删除重复行

Question

我有一个标记为merge的数据集，它有几个不同的标题，两个主要标题是idnumber1和idnumber2，例如：

idnumber 1           idnumber2     agegroup     gender
234700                46016         15            1
234700                46014         15            1
223914                46016         15            1
223914                46014         15            1
227296                46016         15            1
227296                46014         15            1
224170                46016         15            1
224170                46014         15            1
233531                46016         15            1
233531                46014         15            1

我有超过800000条数据记录和更多变量，这就是我要做的事情： - 计算数据集N

中的行数

• 从第1行（i = 1）开始，下一行是否具有相同的idnumber1？如果是这样，下一行也是等等，直到你用相同的idnumber1计算行数（k）
• 选择其中一个k行以保留
• 生成0到1之间的随机数（r）。
• 如果r <1 / k然后保持第1行，否则如果r <2 / k然后保持第2行，......如果r <= k / k则保持第k行
• 记录您要保留的记录的idnumber2，并删除数据集中具有相同idnumber2的所有其他行
• 还记录所选记录的相应列数据
• 从第i行开始（当前idnumber1的第一行）并转到具有相同年龄组，性别等的最后一行，检查此行的idnumber2是否与所选行相同，如果是，则删除该行
• 完成一个选择后，移动下一个idnumber1（现在是数据集中的第二行）并重复整个过程

Answer 1

据我所知，你试图在idnumber1中为每一个值随机保留一行。这可以通过split-apply-combine完成：

set.seed(144)
do.call(rbind, lapply(split(dat, dat$idnumber1),
                      function(x) x[sample(nrow(x), 1),]))
#        idnumber1 idnumber2 agegroup gender
# 223914    223914     46016       15      1
# 224170    224170     46014       15      1
# 227296    227296     46014       15      1
# 233531    233531     46014       15      1
# 234700    234700     46016       15      1