Question

我有以下data.table：

library(data.table)
dt = data.table(c(1, 1, 1, 2, 2, 2, 2, 3, 4),
                c(4, 4, 4, 5, 5, 6, 7, 4, 5))
   V1 V2
1:  1  4
2:  1  4
3:  1  4
4:  2  5
5:  2  5
6:  2  6
7:  2  7
8:  3  4
9:  4  5

我想研究给定V2的{{1}}的不同值。但是，如果给定V1的{{1}}的所有值都相同，那我就不感兴趣，因此我想删除这样的行。

查看上面的示例，前三行完全相同（V2，V1），因此我希望将其删除。

但是，接下来的四行包括两行相同的行，其他行具有不同的V1=1。在这种情况下，我想显示给定V2=4的{{1}}的三个可能值：V2，V2和V1 = 2。

最后两行具有唯一的(2, 5)：属于“所有行都完全相同”类别，因此也应将其删除。

我能想到的最好的是this answer：

(2, 6)

这显然不令人满意：它删除了(2, 7)对，因为它们是重复的，并且保留了V1和dt[!duplicated(dt) & !duplicated(dt, fromLast = TRUE), ] V1 V2 1: 2 6 2: 2 7 3: 3 4 4: 4 5对，因为它们是唯一的，因此没有标记(2,5)通过。

另一个选择就是简单地调用

(3,4)

但是它保留了我要删除的(4,5)，duplicated()，unique(dt) V1 V2 1: 1 4 2: 2 5 3: 2 6 4: 2 7 5: 3 4 6: 4 5对。

最后，我要寻找的结果是：

(1,4)

其他任何格式也可以接受，例如：

(3,4)

（显示每个“有趣的” (4,5)的{{1}}可能的值）

我不知道如何区分V1 V2 1: 2 5 2: 2 6 3: 2 7情况（所有行都相同）和V1 V2.1 V2.2 V2.3 1: 2 5 6 7情况（有重复项，但是还有其他行具有相同的{{ 1}}，因此我们必须删除重复的V2，但要保留一个副本）。

至于唯一行，我写了一个非常丑陋的电话，但只有在唯一行的情况下，它才有效。如果有两个，例如上面的示例，它将失败。

Answer 1

一种选择是按'V1'进行分组，获得唯一元素长度大于1的分组的索引，然后采用unique

unique(dt[dt[, .(i1 = .I[uniqueN(V2) > 1]), V1]$i1])
#   V1 V2
#1:  2  5
#2:  2  6
#3:  2  7

或者如@ r2evans所述

unique(dt[, .SD[(uniqueN(V2) > 1)], by = "V1"])

注意：OP的数据集是data.table，而data.table方法是很自然的方法

如果我们需要一个tidyverse选项，则可以与上述data.table选项相提并论

library(dplyr)
dt %>%
   group_by(V1) %>% 
   filter(n_distinct(V2) > 1) %>% 
   distinct()

Answer 2

还有一种dplyr可能性：

dt %>%
 group_by(V1) %>%
 filter(n_distinct(V2) != 1 & !duplicated(V2))

     V1    V2
  <dbl> <dbl>
1     2     5
2     2     6
3     2     7

或者：

dt %>%
 group_by(V1) %>%
 filter(n_distinct(V2) != 1) %>%
 group_by(V1, V2) %>%
 slice(1)

Answer 3

对于您的情况，以R为基础

dt[ave(dt$V2,dt$V1,FUN=function(x) length(unique(x)))>1&!duplicated(dt)]
   V1 V2
1:  2  5
2:  2  6
3:  2  7

Answer 4

使用if语句可以使代码更简洁，并且可以说data.table'更多：

dt[, if (uniqueN(V2) > 1) unique(V2), by = V1]

#    V1 V1
# 1:  2  5
# 2:  2  6
# 3:  2  7

但是无法正确获取列名...

简洁一些的解决方案：

dt[, .(V2 = if (uniqueN(V2) > 1) unique(V2) else numeric(0)), by = V1]

dt[, .SD[if (uniqueN(V2) > 1) !duplicated(V2)], by = V1]

#    V1 V2
# 1:  2  5
# 2:  2  6
# 3:  2  7

删除所有重复的行，除非有“相似”行

4 个答案: