Question

我知道有很多方法可以删除重复项，但是我的问题似乎有所不同。

我有一个与此类似的data.frame：

library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
x <- data.frame(id = c(1, 1, 1, 1, 2, 3, 3),
                date = as.Date(c("2016-04-24", "2016-04-24", "2016-04-24",
                                 "2016-04-24", "2016-04-24", "2016-04-28",
                                 "2016-04-28")),
                code = c("a", "b", "b", "a", "a", "a", "a"))
x
#>   id       date code
#> 1  1 2016-04-24    a
#> 2  1 2016-04-24    b
#> 3  1 2016-04-24    b
#> 4  1 2016-04-24    a
#> 5  2 2016-04-24    a
#> 6  3 2016-04-28    a
#> 7  3 2016-04-28    a

我想过滤掉code“ a”而不是“ b”的所有重复项。预期的输出应如下所示：

x[c(1:3, 5:6), ]
#>   id       date code
#> 1  1 2016-04-24    a
#> 2  1 2016-04-24    b
#> 3  1 2016-04-24    b
#> 5  2 2016-04-24    a
#> 6  3 2016-04-28    a

我在这里有一个类似的问题：Ignore value conditionally within group_by in dplyr是我以下尝试的基础。但是这些都不起作用，这让我发疯。

x %>% group_by(id, date) %>% 
  filter(!(code == "a" & duplicated(code) == "a"))
#> # A tibble: 7 x 3
#> # Groups:   id, date [3]
#>      id date       code 
#>   <dbl> <date>     <fct>
#> 1    1. 2016-04-24 a    
#> 2    1. 2016-04-24 b    
#> 3    1. 2016-04-24 b    
#> 4    1. 2016-04-24 a    
#> 5    2. 2016-04-24 a    
#> 6    3. 2016-04-28 a    
#> 7    3. 2016-04-28 a


x %>% group_by(id, date) %>% 
  filter(!(duplicated(code) == "a" & "a" %in% code))
#> # A tibble: 7 x 3
#> # Groups:   id, date [3]
#>      id date       code 
#>   <dbl> <date>     <fct>
#> 1    1. 2016-04-24 a    
#> 2    1. 2016-04-24 b    
#> 3    1. 2016-04-24 b    
#> 4    1. 2016-04-24 a    
#> 5    2. 2016-04-24 a    
#> 6    3. 2016-04-28 a    
#> 7    3. 2016-04-28 a

由reprex package（v0.2.0）于2018-08-17创建。

我想问题出在duplicated()调用没有返回TRUE或FALSE，但我不确定。

Answer 1

按'id'，'date'分组后，获得逻辑代码，其中'code'为'a'，在其上使用duplicated或'code'不是'a'

x %>% 
  group_by(id, date) %>% 
  filter(!duplicated(code == "a") | code != 'a')
# A tibble: 5 x 3
# Groups:   id, date [3]
#     id date       code 
#  <dbl> <date>     <fct>
#1     1 2016-04-24 a    
#2     1 2016-04-24 b    
#3     1 2016-04-24 b    
#4     2 2016-04-24 a    
#5     3 2016-04-28 a

Answer 2

使用slice的另一种方法。按id，date和code分组。如果该组中有任何a（应该是所有a或其他所有东西），请占据第一行，否则返回整个组：

library(dplyr)

x %>% 
  group_by(id, date, code) %>% 
  slice(if(any(code == "a")) 1 else 1:n())

结果：

# A tibble: 5 x 3
# Groups:   id, date, code [4]
     id date       code 
  <dbl> <date>     <fct>
1     1 2016-04-24 a    
2     1 2016-04-24 b    
3     1 2016-04-24 b    
4     2 2016-04-24 a    
5     3 2016-04-28 a

Answer 3

使用data.table，您可以执行以下操作：

library(data.table)
setDT(x)

x[ code != "a" | !duplicated(x, by=c("id", "date", "code")) ]

   id       date code
1:  1 2016-04-24    a
2:  1 2016-04-24    b
3:  1 2016-04-24    b
4:  2 2016-04-24    a
5:  3 2016-04-28    a

这类似于@akrun的答案，但是不需要分组，因为duplicated.data.table有一个by=参数。使用基数R（感谢@Moody_Mudskipper），可以将其翻译为：

x[ code != "a" | !duplicated(x[c("id", "date", "code")]) ]

Answer 4

这是不使用重复项的示例：

      data.frame(x%>%
      filter(code=="a")%>%
      group_by(id, date)%>%
      summarise(code=first(code)))%>%
      rbind(data.frame(x%>%filter(code=="b")))

Answer 5

以R为基数的另一种方法：

x$y <- cumsum(x$code=="b") * (x$code == "b")
unique(x)[-4]
#   id       date code
# 1  1 2016-04-24    a
# 2  1 2016-04-24    b
# 3  1 2016-04-24    b
# 5  2 2016-04-24    a
# 6  3 2016-04-28    a

（但是我可能更愿意使用我在弗兰克回答下的评论）

使用tidyverse，我会这样：

library(tidyverse)
x %>% split(.$code) %>% map_at("a",distinct) %>% bind_rows 
#   id       date code
# 1  1 2016-04-24    a
# 2  2 2016-04-24    a
# 3  3 2016-04-28    a
# 4  1 2016-04-24    b
# 5  1 2016-04-24    b

在dplyr

5 个答案: