删除重复项，保留具有最大绝对值的条目

Posted 2023-03-29

【中文标题】删除重复项，保留具有最大绝对值的条目

【英文标题】：Remove duplicates keeping entry with largest absolute value

【发布时间】：2012-09-30 03:13:44

【问题描述】：

假设我有四个样本：id=1、2、3 和 4，每个样本都有一个或多个测量值：

> a <- data.frame(id=c(1,1,2,2,3,4), value=c(1,2,3,-4,-5,6))
> a
  id value
1  1     1
2  1     2
3  2     3
4  2    -4
5  3    -5
6  4     6

我想删除重复项，每个 ID 只保留一个条目 - “值”列的绝对值最大的条目。也就是说，这就是我想要的：

> a[c(2,4,5,6), ]
  id value
2  1     2
4  2    -4
5  3    -5
6  4     6

我如何在 R 中做到这一点？

【问题讨论】：

您提到“每个 ID 只保留一个条目 - 'value' 列的绝对值最大的那个。”如果有多个条目，期望的行为是什么每个 ID 是否符合该条件？返回两个值，还是其中一个？例如，如果a[3, 2] <- 4，您想要的输出是什么？

啊..这是个好问题。 value 列实际上是一个实数而不是整数，并且很可能永远不会完全相等。理想的期望行为可能应该是放弃这两个观察结果，但这可能不会像我说的那样发生。

感谢大家的帮助。

【参考方案1】：

首先。在id 组中按顺序排序，将不太需要的项目放在最后

 aa <- a[order(a$id, -abs(a$value) ), ] #sort by id and reverse of abs(value)

然后：删除id 组中第一个之后的项目

 aa[ !duplicated(aa$id), ]              # take the first row within each id
  id value
2  1     2
4  2    -4
5  3    -5
6  4     6

【参考方案2】：

如果您的数据集非常大，可能需要采用data.table 方法：

library(data.table)

aDT <- as.data.table(a)
setkey(aDT,"id")

aDT[J(unique(id)), list(value = value[which.max(abs(value))])]

或者一个不那么快但仍然很快的替代方案：

library(data.table)
as.data.table(a)[, .SD[which.max(abs(value))], by=id]

这个版本返回a的所有列，以防真实数据集中有更多。

【参考方案3】：

这是dplyr 方法

library(dplyr)
a %>% 
        group_by(id) %>%
        top_n(1, abs(value))

# A tibble: 4 x 2
# Groups:   id [4]
#     id value
#  <dbl> <dbl>
#1     1     2
#2     2    -4
#3     3    -5
#4     4     6

【讨论】：

以防万一其他人需要使用 -1 来获取最小值。 top_n(-1, abs(value))

这很方便，但有人能解释一下这个逻辑吗？

@Negrito top_n() 是用于选择每组顶部或底部条目的包装器。更多详情here。在这里，我们对“值”列top_n(..., wt = abs(value))

的最大绝对值（top_n(n = 1,...)）感兴趣

【参考方案4】：

查看?aggregate:

aggregate(value~id,a,function(x) x[which.max(abs(x))])

---

我喜欢@DWin 的回答，但我想展示这也可以与元数据一起使用：

aa<-merge(aggregate(value~id,a,function(x) x[which.max(abs(x))]),a)
# Fails if the max value is duplicated for a single id without next line.
aa[!duplicated(aa),]

---

我忍不住想出了最后一个答案：

do.call(rbind,lapply(split(a,a$id),function(x) x[which.max(abs(x$value)),]))

【讨论】：

这符合我的描述，但我应该提供更多信息。实际上，每个 ID 都有一个 ID 和许多其他相同的元数据列，每个 ID 都有许多其他值列。我想保留数据框中的所有列，而不仅仅是一个 id 和 value。

【参考方案5】：

另一种方法（虽然代码可能看起来有点麻烦）是使用ave()：

a[which(abs(a$value) == ave(a$value, a$id, 
                            FUN=function(x) max(abs(x)))), ]
#   id value
# 2  1     2
# 4  2    -4
# 5  3    -5
# 6  4     6

【讨论】：

@DWin，"I learned it by watching you!"。 ;)

嘿。不是来自我的文化框架，而是我在 youtube 上的“吸毒大脑”剪辑之后所经历的 Scrubs 活动非常有趣。

【参考方案6】：

library(plyr)
ddply(a, .(id), function(x) return(x[which(abs(x$value)==max(abs(x$value))),]))

【讨论】：

plyr 非常慢

【参考方案7】：

您可以使用 dplyr 执行此操作，如下所示：

library(dplyr)
a %>%
  group_by(name) %>%
  filter(n == max(n)) %>%
  ungroup()