Question

我有一个数据框，例如：

   Groups   Name    names2  Category    value
    G1  A   habit1  cat1    20
    G1  A   habit2  NA  1
    G1  B   habit3  NA  100
    G1  B   habit4  cat3    23
    G2  A   habit5  cat4    32
    G2  C   habit6  NA  100
    G2  C   habit7  cat2    21
    G2  D   habit8  cat3    34
    G2  D   habit9  cat5    43

并且我只希望每个Groups和每个Name保留一行

并获得：

Groups  Name    names2  Category    value
G1  A   habit1  cat1    20
G1  B   habit4  cat3    23
G2  A   habit5  cat4    32
G2  C   habit7  cat2    21
G2  D   habit9  cat5    43

其中Group和Name中获胜的行是names2中有信息（而不是NA）的行，如果全部都有信息，拥有最高价值的客户赢得了(as G2-D vs G2-D)的42场胜利，因为42 > 34 如果只有NA，则无论如何都要保留具有最佳Value的行。

谢谢您的帮助

Answer 1

您需要的是group_by和filter，然后是top_n：

library(dplyr)

my.df %>% 
  group_by(Groups, Name) %>% 
  filter(!is.na(Category)) %>% 
  top_n(1, value)

# A tibble: 5 x 5
# Groups:   Groups, Name [5]
#   Groups Name  names2 Category value
#   <chr>  <chr> <chr>  <chr>    <int>
# 1 G1     A     habit1 cat1        20
# 2 G1     B     habit4 cat3        23
# 3 G2     A     habit5 cat4        32
# 4 G2     C     habit7 cat2        21
# 5 G2     D     habit9 cat5        43

但是，这将排除该名称，组组合的所有条目中缺少“类别”的组，并且如果存在多个最大值，则保留所有这些值。

数据

my.df <- structure(list(Groups = c("G1", "G1", "G1", "G1", "G2", "G2", "G2", "G2", "G2"), 
                        Name = c("A", "A", "B", "B", "A", "C", "C", "D", "D"), 
                        names2 = c("habit1", "habit2", "habit3", "habit4", "habit5", "habit6", "habit7", "habit8", "habit9"), 
                        Category = c("cat1", NA, NA, "cat3", "cat4", NA, "cat2", "cat3", "cat5"), 
                        value = c(20L, 1L, 100L, 23L, 32L, 100L, 21L, 34L, 43L)), 
                   class = "data.frame", row.names = c(NA, -9L))

用dplyr和条件子集一个数据帧

1 个答案: