Question

我正在处理看起来像这样的原始数据集：

df <- data.frame("ID" = c("Alpha", "Alpha", "Alpha", "Alpha", 
                                "Beta","Beta", "Beta","Beta" ), 
                 "Year" = c(1970, 1970, 1980, 1990, 1970, 1980, 
                            1980,1990), 
                 "Val" = c(1,0,1,1,0,0,0,1),
                 "Val2" = c(0,0,0,1,0,1,0,1),
                 "Val3" = c(0,2.34,1.3,0,0,2.34,3.2,1.3))

数据有点脏，因为我对每个ID和Year标识符有多个观察结果-例如我在1970年的Alpha中有2个不同的行。在1980年的Beta中也是如此。

问题在于，感兴趣的变量Val Val2 Val3在重复的行中（以id / year计）具有不同的分数。

我想找到一种简洁的方法来产生以下最终数据帧：

final<- data.frame("ID" = c("Alpha", "Alpha", "Alpha", 
                           "Beta", "Beta","Beta" ), 
                  "Year" = c( 1970, 1980, 1990, 1970, 
                             1980,1990), 
                  "Val" = c(1,1,1,0,0,1),
                  "Val2" = c(0,0,1,0,1,1),
                  "Val3" = c(2.34,1,0,0,3.2,1.3))

final

逻辑如下：

1）我希望每个ID /年只有一个obs

2）对于每个感兴趣的变量（Val Val2 Val3），我只想保留单个ID /年输出中具有较高值的观测值

进行说明。在df中，对Alpha / 1970有重复的观察。我想将其减少到一行。 Val取值为0和1，在final数据帧中仅保留1。 Val2的取值为0和0，因此我只是在final中保留0。 Val2的值为2.34和1，因此我想保留在final数据框中。

我想我可以使用data.table命令同时在这一栏做

library(dplyr)
val1<- df %>% select(ID:Val)
library(data.table)
setDT(val1)[order(-Val)][,.SD[1,], by = .(ID, Year)]
val2<- df %>% select(ID,Year,Val2)
library(data.table)
setDT(val2)[order(-Val2)][,.SD[1,], by = .(ID, Year)]

，然后将这些值合并在一起，但是我必须为其运行该操作的几列，而我一直在寻找一种更简洁的方法。

我希望它足够清楚

非常感谢您的提前帮助

Answer 1

这是一个选择

library(dplyr)
df %>% 
  group_by(ID, Year) %>% 
  summarise_all(max)
  # for specific set of columns, use `summarise_at`
  # summarise_at(vars(starts_with("Val")), max)

或带有data.table

library(data.table)
nm1 <- grep('^Val\\d*$", names(df))
setDT(df)[, (nm1) := lapply(.SD, max), .(ID, Year), .SDcols = nm1]

Answer 2

您可以这样做：

aggregate(. ~ ID + Year, FUN =  max, data = df)

     ID Year Val Val2 Val3
1 Alpha 1970   1    0 2.34
2  Beta 1970   0    0 0.00
3 Alpha 1980   1    0 1.30
4  Beta 1980   0    1 3.20
5 Alpha 1990   1    1 0.00
6  Beta 1990   1    1 1.30

删除重复的行，选择要保留的特定值

2 个答案: