Question

这是我正在使用的数据：

ID    Year    State    Grade    Loss    Total    
1     2016    AZ       A        50      1000
1     2016    AZ       A        50      1000
2     2016    AZ       B        0       5000
3     2017    AZ       A        0       2000
4     2017    AZ       C        10      100
2     2017    AZ       B        0       3000

我要做的是创建一个表，该表显示按年，州和等级分组的价值损失额。我已经完成了那部分，但问题是您可以看到ID = 1的行重复。我需要在代码中添加一个组件，以便在按年，州和年级对数据进行分组后，删除数据中的所有重复行。

我将数据分组后要删除重复项的原因是，ID号可能在不同年份重复，但这没关系，因为这是一个新发现。如果年，州和年级匹配，我只想删除所有重复项。基本上，如果整行都是重复的，则应将其删除。

我不知道应该使用Unique（）还是Distinct（），但到目前为止，这是我所拥有的：

   Answer <- data %>%
        group_by(Year, State, Grade) %>%
        filter(row_number(ID) == 1) %>% #This is the part to replace
        summarise(x = sum(Loss) / sum(Total)) %>%
        spread(State, x)

输出应如下所示：

Year    State    Grade    x
2016    AZ       A        0.05
2016    AZ       B        0
2016    AZ       C        0
2017    AZ       A        0
2017    AZ       B        0
2017    AZ       C        0.1

Answer 1

几件事。在下面，我使用distinct删除重复的行。另外，在预期的结果中，您会获得2016年C级的条目，该条目不在原始数据中。因此，我使用complete将此（以及其他丢失的情况）添加为零。最后，如上文@akrun所述：0.00833来自哪里？错别字还是我误会了计算结果？

df <- read.table(text = "ID    Year    State    Grade    Loss    Total    
1     2016    AZ       A        50      1000
1     2016    AZ       A        50      1000
2     2016    AZ       B        0       5000
3     2017    AZ       A        0       2000
4     2017    AZ       C        10      100
2     2017    AZ       B        0       3000", header = TRUE)

Answer <- df %>%  
  distinct %>% 
  group_by(Year, State, Grade) %>%
  summarise(x = sum(Loss) / sum(Total)) %>%
  complete(Year, State, Grade, fill = list(x = 0)) 

# # A tibble: 6 x 4
# # Groups:   Year, State [2]
#    Year State Grade     x
#   <int> <fct> <fct> <dbl>
# 1  2016 AZ    A      0.05
# 2  2016 AZ    B      0   
# 3  2016 AZ    C      0   
# 4  2017 AZ    A      0   
# 5  2017 AZ    B      0   
# 6  2017 AZ    C      0.1

如何过滤出每组重复的行

1 个答案: