Question

我有一个数据框，其id列重复，包含网站计数。我想知道只有当Site_Count记录大于0时我才能删除重复的ID记录。

生成DF：

DF <- data.frame(
    'ID' = sample(100:300, 100, replace=T),
    'Site_count' = sample(0:1, 100, replace=T)
)

我对子集的尝试：

subset(DF[!duplicated(DF$ID),], site_count > 0)

但在这种情况下，它将删除所有0个站点计数 - 我想要子集只在有重复记录超过0站点数时删除记录。

理想的结果看起来像这样（注意站点ID有0个站点计数，但没有重复的ID，0和另一个站点计数）：

ID    site count
--    ----------
1        0
2        1
3        1
4        0
5        5

Answer 1

预期产出不是很清楚。可能有帮助：

 indx <- with(DF, ave(!Site_count, ID, FUN=function(x) sum(x)>1))
 DF[!(duplicated(DF$ID) & indx),]

更新

重新阅读说明后，您的预期答案也可能是：

 indx <- with(DF, ave(Site_count, ID, FUN=function(x) any(x>0)))
 DF[!(duplicated(DF$ID) & indx),]

Answer 2

可能是这样的：

set.seed(42)
DF <- data.frame(
  'ID' = c(sample(1:3, 10, replace=T), 4),
  'Site_count' = c(sample(0:3, 10, replace=T), 0)
)

#   ID Site_count
#1   3          1
#2   3          2
#3   1          3
#4   3          1
#5   2          1
#6   2          3
#7   3          3
#8   1          0
#9   2          1
#10  3          2
#11  4          0


fun <- function(x) {
  if (length(x) == 1L) return(x) else {
    return(x[which.max(x > 0)])
  }
}
library(plyr)
ddply(DF, .(ID), summarise, Site_count = fun(Site_count))
#  ID Site_count
#1  1          3
#2  2          1
#3  3          1
#4  4          0

R - 基于重复行条件的子集列

2 个答案:

更新