Question

我正在尝试编写一段代码来完成一些事情： 1）按ID对数据集进行分组 2）在列数据中计算唯一月数 3）删除所有少于9个月的ID 4）根据公司打印不同的ID（即，如果与2家公司相关，则打印两次ID） 5）删除重复的ID，并保留数据，月份号最高的记录。

我的代码可以工作到5）。我无法获得仅打印月份号最高的重复ID的记录（行）的代码。

我在这里看了几个例子：

R remove duplicates based on other columns

Remove duplicates based on 2nd column condition

我可以弄清楚如何删除重复项，但是在将其应用于我的环境时遇到了麻烦。

这是我试图实现目标的两个代码：

data.check6 <- bind %>%
group_by(bind$ABN) %>%
summarise(count = n_distinct(data.month)) %>%
filter(count>8) %>%
rrange(bind$data.month) %>%
filter(row_number() == 1)

和：

 library(tidyverse)

 data.check7 <- bind %>%
  group_by(ABN)%>%      
  filter(1 == length(unique(bind$data.month)), !duplicated(bind$data.month))

现在，我得到了错误：

arrange_impl（.data，点）中的错误：错误的大小（345343）位于排名1，期望：3749

最后，我希望有一个数据集，其中每个ID仅出现一次，并且是与最高月份关联的ID记录（即列值= 12）

Answer 1

我认为您正在寻找类似的东西：

示例数据：

> bind <- data.frame(ABN = rep(1:3, 3),
+                    data.month = sample(1:12, 9),
+                    other.inf = runif(9))
> 
> bind
  ABN data.month other.inf
1   1         10 0.8102867
2   2          4 0.2919716
3   3          8 0.3391790
4   1          2 0.3698933
5   2          6 0.9155280
6   3          1 0.2680165
7   1          9 0.7541168
8   2          7 0.2018796
9   3         11 0.1546079

解决方案：

> bind %>%
+   group_by(ABN) %>%      
+   filter(data.month == max(data.month))
# A tibble: 3 x 3
# Groups:   ABN [3]
    ABN data.month other.inf
  <int>      <int>     <dbl>
1     1         10     0.810
2     2          7     0.202
3     3         11     0.155

根据第二列删除重复项

1 个答案: