我有数据框：
Observations Value
obs 1 1
obs 1 2
obs 1 3
obs 1 4
obs 2 5
obs 2 6
obs 2 7
obs 3 8
obs 3 9
是否可以仅对每个观察的第一行进行子集化？
这样我得到了：
Observations Value
obs 1 1
obs 2 5
obs 3 8
答案 0 :(得分：3)
我认为你想使用duplicated功能。
> df[!duplicated(df$Observations), ]
# Observations Value
# 1 obs 1 1
# 5 obs 2 5
# 8 obs 3 8
另一种选择是
> unsplit(lapply(split(df, df$Observations), `[`, 1,), levels(df$Observations))
# Observations Value
# 1 obs 1 1
# 5 obs 2 5
# 8 obs 3 8
虽然后者使用循环，并且将比duplicated方法慢很多。
do.call("rbind", lapply(split(df, df$Observations), "[", 1,))也可以使用。
答案 1 :(得分：2)
还可以使用dplyr：
library(dplyr)
group_by(dat, Observations) %>% filter(row_number() == 1)
#Source: local data frame [3 x 2]
#Groups: Observations
#
# Observations Value
#1 obs_1 1
#2 obs_2 5
#3 obs_3 8
使用@akrun的样本数据：
set.seed(49)
dat <- data.frame(Observations=sample(LETTERS, 1e5, replace=TRUE), value=rnorm(1e5))
library(microbenchmark)
library(data.table)
f1 <- function(){aggregate(value~Observations, head, 1, data=dat)}
f2 <- function(){dat[!duplicated(dat$Observations), ]}
f3 <- function(){DT <- data.table(dat, key='Observations')
DT[J(unique(Observations)), mult="first"]}
f4 <- function(){group_by(dat, Observations) %>% filter(row_number() == 1)}
microbenchmark(f1(), f2(), f3(), f4(), unit="relative")
#Unit: relative
#expr min lq median uq max neval
#f1() 149.0736206 145.881588 143.122352 138.611025 108.063314 100
#f2() 1.8248371 1.805648 1.783553 1.736195 1.554765 100
#f3() 0.9861738 1.259007 1.279011 1.270937 11.535428 100
#f4() 1.0000000 1.000000 1.000000 1.000000 1.000000 100
在@Arun评论之后用另一个data.table - 方法更新：
set.seed(49)
dat <- data.frame(Observations=sample(LETTERS, 1e5, replace=TRUE), value=rnorm(1e5))
library(microbenchmark)
f1 <- function(){aggregate(value~Observations, head, 1, data=dat)}
f2 <- function(){dat[!duplicated(dat$Observations), ]}
f3 <- function(){DT <- data.table(dat, key='Observations')
DT[J(unique(Observations)), mult="first"]}
f4 <- function(){group_by(dat, Observations) %>% filter(row_number() == 1)}
f5 <- function() {dt = as.data.table(dat); unique(dt, by="Observations")}
microbenchmark(f1(), f2(), f3(), f4(), f5(), unit="relative")
#Unit: relative
#expr min lq median uq max neval
#f1() 274.036916 247.499012 234.616587 227.094582 8.54993826 100
#f2() 3.065027 3.059164 2.881088 2.797630 0.10404962 100
#f3() 2.122190 2.197721 2.105737 2.056280 0.08284540 100
#f4() 1.731631 1.703298 1.616957 1.584485 0.07353602 100
#f5() 1.000000 1.000000 1.000000 1.000000 1.00000000 100
答案 2 :(得分：1)
这是使用R基函数的一种方法
> aggregate(Value~Observations, head, 1, data=df) # df is your data.frame
Observations Value
1 obs1 1
2 obs2 5
3 obs3 8
这个会给你相同的输出
> aggregate(Value~Observations, function(x) x[1], data=df)
答案 3 :(得分：1)
library(data.table)
setDT(dat)[, .SD[1], by=Observations]
# Observations Value
#1: obs 1 1
#2: obs 2 5
#3: obs 3 8
或者更快的方式：
DT <- data.table(dat, key='Observations')
DT[J(unique(Observations)), mult="first"]
# Observations Value
#1: obs 1 1
#2: obs 2 5
#3: obs 3 8
不在非常大的数据集中
set.seed(49)
dat <- data.frame(Observations=sample(LETTERS, 1e6, replace=TRUE), value=rnorm(1e6))
library(microbenchmark)
f1 <- function() {aggregate(value~Observations, head, 1, data=dat)}
f2 <- function(){ dat[!duplicated(dat$Observations), ]}
f3 <- function(){DT <- data.table(dat, key='Observations')
DT[J(unique(Observations)), mult="first"]}
microbenchmark(f1(), f2(), f3(), unit="relative")
# Unit: relative
# expr min lq median uq max neval
# f1() 351.098220 365.803821 356.66198 302.875946 102.496097 100
# f2() 2.299184 2.218348 2.35962 1.995709 1.701758 100
# f3() 1.000000 1.000000 1.00000 1.000000 1.000000 100
或者@Arun
的建议 unique(DT, by="Observations")