Question

我有一个数据，第一列是一堆ID号（有些重复），第二列只是一堆数字。我需要一种方法来保持每个ID号只基于第二列中的最小数字。

Row#   ID   Number
1      10     180
2      12     167
3      12     182
4      12     135
5      15     152
6      15     133

例如：我只想在这里保留第1，第4和第6行并删除其余的

Answer 1

为了选择每个'ID'组具有最小'Number'的行，我们可以使用group by聚合功能之一。 base R选项为aggregate。使用aggregate，我们可以使用'formula'方法或使用list参数指定by分组元素/变量。使用formula方法，我们会为每个“ID”获得“{1”}值{。}。

min

或者我们可以使用aggregate(Number~ID, df1, FUN=min)更快的选项。在这里，我们将'data.frame'转换为'data.table'（data.table），按'ID'分组，我们得到setDT(df1)的值为“Number”。

min

或者也可以使用library(data.table) setDT(df1)[, list(Number=min(Number)), by = ID]到setorder“数字”列进行此操作，并使用带有order选项的unique选择第一个非重复的“ID”行。（来自@David Arenburgs的评论）

by

或者使用unique(setorder(setDT(df1), Number), by = "ID")，我们按“ID”进行分组，并使用dplyr获取子集行。

summarise

或者我们可以使用library(dplyr) df1 %>% group_by(ID) %>% summarise(Number= min(Number))语法来获取数据子集。

sqldf

更新

如果有多个列，并且您希望根据每个“ID”的“数字”的最小值获取行，则可以使用library(sqldf) sqldf('select ID, min(Number) as Number from df1 group by ID')。使用which.min将获得行索引，并且可以用于对行进行子集化。

.I

或者使用setDT(df1)[df1[, .I[which.min(Number)], by = ID]$V1]我们使用dplyr过滤掉每个'ID'的slice值为'Number'的行

min

Answer 2

或者

do.call(rbind, 
lapply(split(df1, df1$ID), function(x) subset(x, Number == min(Number))))

#ID Number
#10 10    180
#12 12    135
#15 15    133

有条件地删除R中的行

2 个答案:

更新