Question

我需要一些帮助来过滤数据框。

df有几列，我想把它分成两个数据帧：

1-仅包含第一列重复的行（包括所有副本）。

2-其余行，不重复。

这是一个例子：这将是原始的。

          V1  V2 
    [1,] "A" "1"
    [2,] "B" "1"
    [3,] "A" "1"
    [4,] "C" "2"
    [5,] "D" "3"
    [6,] "D" "4"

我想变成这个：

         V1  V2 
   [1,] "A" "1"
   [2,] "A" "1"
   [3,] "D" "3"
   [4,] "D" "4"

而且：

        V1  V2 
  [1,] "B" "1"
  [2,] "C" "2"

有办法吗？我已尝试导出到Excel，但数据集太大而无法使其可行。

谢谢

Answer 1

考虑df作为输入，您可以使用dplyr并尝试：

df %>% group_by(V1) %>% filter(n() > 1)

表示重复项

和

df %>% group_by(V1) %>% filter(n() == 1)

表示唯一条目。

Answer 2

您可以使用duplicated但请注意duplicated仅在第一个重复值返回TRUE，即

> duplicated(c("A", "A", "A"))
[1] FALSE  TRUE  TRUE

不会为第一个TRUE返回"A"。如果您想捕获"A"的所有值，您可以例如使用

duplicated(c("A", "A", "A")) | duplicated(c("A", "A", "A"), fromLast = TRUE)
# [1] TRUE TRUE TRUE

然后，您可以使用

分隔数据

## Index of the duplicated values:
indDuplicatedVec <- duplicated(d[,1]) | duplicated(d[,1], fromLast = TRUE)

myDuplicates <- d[indDuplicatedVec, ]
myUniques <- d[!indDuplicatedVec, ]

> myDuplicates
#V1 V2
#1  A  1
#3  A  1
#5  D  3
#6  D  4

> myUniques
#V1 V2
#2  B  1
#4  C  2

Answer 3

我们可以使用data.table

library(data.table)
setDT(df)[, .SD[.N >1], V1]

Answer 4

尝试

d[!duplicated(d),]

和

d[duplicated(d),]

其中d是您的数据库。

===更新=== 如果只需要第一列，并且所有重复项都需要单独列，则可以执行以下操作：

library(gdata) d[duplicated2(d$V1,bothWays = T),] d[!duplicated2(d$V1,bothWays = T),]

如果只需要基础R，那么：

bm <- duplicated(d$V1) | duplicated(d$V1,fromLast = TRUE) d[bm,] d[!bm,]

过滤仅显示重复项的数据框

4 个答案: