Question

我想根据列'User'删除重复项，但只删除它出现的第一个实例。

DF：

结果：（A1和B1删除）

User  No  
A     2
A     3
A     4
C     1
B     2
D     1

我使用复制功能失败了。

任何帮助将不胜感激！谢谢！

Answer 1

如果我理解正确，这应该有效

library(dplyr)
dd %>% group_by(User) %>% filter(duplicated(User) | n()==1)

Answer 2

以下是使用data.table的选项。我们将'data.frame'转换为'data.table'（setDT(DF)）。通过“用户”列进行分组，我们选择除tail(.SD, -1)为.SD Subset of Data.table之外的第一行（if/else）以外的所有行。但是，如果“用户”组只有一行，这也将删除该行。我们可以通过使用if条件来说明.N>1行数大于1（else）来避免这种情况，我们删除第一行或.SD返回行（library(data.table) setDT(DF)[, if(.N>1) tail(.SD,-1) else .SD , by = User] # User No #1: A 2 #2: A 3 #3: A 4 #4: B 2 #5: C 1 #6: D 1）。

duplicated

或者@ MrFlick的dplyr代码中的类似选项将使用.N和.N==1（行数）的逻辑条件。我们通过选中具有单个观察值（duplicated）的“用户”组来创建列“N”，在下一步中，我们将对N为TRUE的行进行子集或为duplicated用户'。 TRUE返回duplicate行的FALSE值，第一个值为setDT(DF)[DF[, N:=.N==1, by = User][, N|duplicated(User)]][,N:=NULL][]。

base R

或者ave选项将使用length来获取逻辑索引（'indx2'），方法是检查每个'用户'组的duplicated是否为1。我们可以将此与indx2 <- with(DF, ave(seq_along(User), User, FUN=length)==1) DF[duplicated(DF$User)|indx2,] # User No #3 A 2 #4 A 3 #5 A 4 #6 C 1 #7 B 2 #8 D 1一起使用，如上所述，对数据集进行子集化。

{{1}}

Answer 3

这不像MrFlick和akrun的方法那么容易理解，但是是单行基础R解决方案

#data
DF=data.frame(User=c("A","B","A","A","A","C","B","D"),No=c(1,1,2,3,4,1,2,1))
#solution
subset(DF,duplicated(User)|!duplicated(User,fromLast=TRUE))

它给出了

#  User No
#3    A  2
#4    A  3
#5    A  4
#6    C  1
#7    B  2
#8    D  1

说明：

subset(DF,logicalA|logicalB)

logicalA ...选择所有重复的条目，因此省略所有只有一个条目的用户
logicalB ...选择所有用户只有一个条目并选择最后一个条目（参见fromLast=TRUE）具有多行的用户（后者由logicalA选择）反正）

我希望我做对了。：）

删除第一个重复行并保留其余行？

3 个答案: