复制后的data.table截止行

Question

假设我有以下数据集：

library(data.table)
dt <- data.table(x = c(1, 2, 4, 5, 2, 3, 4))

> dt
   x
1: 1
2: 2
3: 4
4: 5
5: 2
6: 3
7: 4

我想在第4行之后切断第一个副本（数字2）。

预期产出：

   x
1: 1
2: 2
3: 4
4: 5

毋庸置疑，我不是在寻找dt[1:4, ,][]，因为真正的数据集更“复杂”。

我尝试使用shift()，.I，但它没有用。 一个想法是：dt[x %in% dt$x[1:(.I - 1)], .SD, ][]。

Answer 1

也许我们可以使用duplicated

dt[seq_len(which(duplicated(x))[1]-1)]
#   x
#1: 1
#2: 2
#3: 4
#4: 5

或@lmo建议

dt[seq_len(which.max(duplicated(dt))-1)]

Answer 2

这是另一种选择：

dt[seq_len(anyDuplicated(x)-1L)]

从帮助文件：

  

anyDuplicated（）：长度为1的整数或实数向量   第一个副本的从1开始的索引（如果有），否则为0。

但请注意，如果您在列中没有任何重复，则可能会遇到此方法的问题（以及当前发布的其他方法）。

为了解决这个问题，您可以将其修改为：

dt[if((ix <- anyDuplicated(x)-1L) > 0) seq_len(ix) else seq_len(.N)]

如果没有找到重复项，或者只有重复项，那么这将返回所有行，直到第一次重复之前的行。