Question

df <- data.frame(id = c(1, 1, 1, 2, 2),
                 gender = c("Female", "Female", "Male", "Female", "Male"),
                 variant = c("a", "b", "c", "d", "e"))
> df
  id gender variant
1  1 Female       a
2  1 Female       b
3  1   Male       c
4  2 Female       d
5  2   Male       e

我想根据数据集中的gender列删除data.frame中的重复行。我知道有一个类似的问题（here），但这里的区别是我想删除数据集的每个子集中的重复行，其中每个子集由唯一的id定义。

我想要的结果是：

  id gender variant
1  1 Female       a
3  1   Male       c
4  2 Female       d
5  2   Male       e

我已经尝试了以下内容并且它有效，但我想知道是否有更干净，更有效的方法吗？

out = list()
for(i in 1:2){
  df2 <- subset(df, id == i)
  out[[i]] <- df2[!duplicated(df2$gender), ]
}
do.call(rbind.data.frame, out)

Answer 1

df[!duplicated(df[c("id","gender")]),]

#     id  gender  variant
#  1   1  Female     a
#  3   1   Male      c
#  4   2  Female     d
#  5   2   Male      e

使用subset执行此操作的另一种方法如下：

subset(df, !duplicated(subset(df, select=c(id, gender))))

#   id  gender variant
# 1  1  Female     a
# 3  1    Male     c
# 4  2  Female     d
# 5  2    Male     e

Answer 2

以下是基于dplyr的解决方案，以备您感兴趣（已编辑以包含Gregor的建议）

library(dplyr)
group_by(df, id, gender) %>% slice(1)

#> # A tibble: 4 x 3
#> # Groups:   id, gender [4]
#>      id gender variant
#>   <dbl> <fctr>  <fctr>
#> 1     1 Female       a
#> 2     1   Male       c
#> 3     2 Female       d
#> 4     2   Male       e

根据应删除arrange的值，也可能值得使用variant函数。

R：如何按列删除重复的行

2 个答案: