有条件地删除R中的行

Posted 2023-03-14

【中文标题】有条件地删除R中的行

【英文标题】：Deleting rows in R conditionally

【发布时间】：2015-08-31 07:55:06

【问题描述】：

我有一个数据，其中第一列是一堆 ID 号（有些重复），第二列只是一堆数字。我需要一种方法，根据第二列中的最小数字将每个 ID 号仅保留一次。

Row#   ID   Number
1      10     180
2      12     167
3      12     182
4      12     135
5      15     152
6      15     133

例如：我只想在此处保留第 1、4 和 6 行并删除其余的

【参考方案1】：

要为每个“ID”组选择具有最小“编号”的行，我们可以使用按组聚合功能之一。 base R 选项是 aggregate。使用aggregate，我们可以使用“公式”方法或使用by 参数指定分组元素/变量的list。使用formula 方法，我们得到每个“ID”的“数字”min 值。

aggregate(Number~ID, df1, FUN=min)

---

或者我们可以使用更快的选项data.table。在这里，我们将 'data.frame' 转换为 'data.table' (setDT(df1))，按 'ID' 分组，我们得到“Number”的min 值。

library(data.table)
setDT(df1)[, list(Number=min(Number)), by = ID] 

或者这也可以使用setorder 到order 'Number' 列并使用unique 和by 选项来选择第一个非重复的'ID' 行。 （来自@David Arenburgs 的 cmets）

 unique(setorder(setDT(df1), Number), by = "ID")

---

或者使用dplyr，我们按“ID”分组并获得带有summarise的子集行。

library(dplyr)
df1 %>%
   group_by(ID) %>%
   summarise(Number= min(Number))

---

或者我们可以使用sqldf语法来获取数据子集。

library(sqldf)
sqldf('select ID,
        min(Number) as Number
        from df1 
        group by ID')

更新

如果有多个列，并且您想根据每个“ID”的“数字”最小值获取行，则可以使用which.min。使用.I 将获得行索引，并可用于对行进行子集化。

setDT(df1)[df1[,  .I[which.min(Number)], by = ID]$V1]

---

或者使用dplyr，我们使用slice 过滤出每个“ID”的min 值为“Number”的行

df1 %>% 
    group_by(ID) %>%
    slice(which.min(Number))

【讨论】：

或unique(setorder(setDT(df1), Number), by = "ID")。我还认为您需要which.min 而不是min，因为似乎OP 总是希望每个ID 保留一行。顺便说一句，很好的sqldf 解决方案:)

@DavidArenburg 谢谢，min 只保留单个值，但当有更多列时，which.min 会更通用。

【参考方案2】：

或者

do.call(rbind, 
lapply(split(df1, df1$ID), function(x) subset(x, Number == min(Number))))

#ID Number
#10 10    180
#12 12    135
#15 15    133