R，有条件地删除重复行

Posted 2023-03-14

【中文标题】R，有条件地删除重复行

【英文标题】：R, conditionally remove duplicate rows

【发布时间】：2012-06-05 19:25:56

【问题描述】：

我在 R 中有一个数据框，其中包含 ID.A、ID.B 和 DISTANCE 列，其中距离表示 ID.A 和 ID.B 之间的距离。对于 ID.A 的每个值 (1->n)，可能有多个 ID.B 和 DISTANCE 值（即 ID.A 中可能有多个重复行，例如所有值 4，每个都有不同的 ID.B和那一行的距离）。

我希望能够删除 ID.A 重复的行，但以距离值为条件，以便我为每个 ID.A 记录留下最小的距离值。

希望这是有道理的？

在此先感谢

编辑

希望一个例子比我的文字更有用。这里我想删除 ID.A = 3 的第二行和第三行：

myDF <- read.table(text="ID.A ID.B DISTANCE
  1 3 1
  2 6 8
  3 2 0.4
  3 3 1
  3 8 5
  4 8  7
  5 2 11", header = TRUE)

【参考方案1】：

您也可以在基础 R 中轻松完成。如果 dat 是您的数据框，

do.call(rbind, 
        by(dat, INDICES=list(dat$ID.A), 
           FUN=function(x) head(x[order(x$DISTANCE), ], 1)))

【参考方案2】：

一种可能性：

myDF <- myDF[order(myDF$ID.A, myDF$DISTANCE), ] 

newdata <- myDF[which(!duplicated(myDF$ID.A)),]

这给出了：

    ID.A ID.B DISTANCE
1    1    3      1.0
2    2    6      8.0
5    3    2      0.4
6    4    8      7.0
7    5    2     11.0

【参考方案3】：

您可以为此使用plyr 包。例如，如果您的数据是这样的：

d <- data.frame(id.a=c(1,1,1,2,2,3,3,3,3),
                id.b=c(1,2,3,1,2,1,2,3,4),
                dist=c(12,10,15,20,18,16,17,25,9))

  id.a id.b dist
1    1    1   12
2    1    2   10
3    1    3   15
4    2    1   20
5    2    2   18
6    3    1   16
7    3    2   17
8    3    3   25
9    3    4    9

您可以像这样使用ddply 函数：

library(plyr)
ddply(d, "id.a", function(df) return(df[df$dist==min(df$dist),]))

这给出了：

  id.a id.b dist
1    1    2   10
2    2    2   18
3    3    4    9