根据另一列删除一列中的重复行并保持其他列不变

Posted 2023-03-28

【中文标题】根据另一列删除一列中的重复行并保持其他列不变

【英文标题】：Remove duplicate rows in one column based on another column and keep other columns intact

【发布时间】：2018-03-24 19:11:20

【问题描述】：

我已经尝试了很多在这里找到的解决方案，但没有一个可以正常工作； unique 函数让我最接近。我的数据如下：

id   second   var1   var2
100   20       3      4
100   21       3      3
100   22       4      3
100   23       4      3
100   24       4      4 
100   22       3      3
100   23       3      3

它通常每 300 秒左右重复大约 10 秒。每个会话大约是 1200 秒。我想在会话中删除重复的秒数，并取 var1 和 var 2 中被折叠的任何内容的平均值，或者如果不是保持原始值的平均值，则可以。如果 var1 和 var2 不唯一，我尝试过的所有操作都会删除重复项？

【问题讨论】：

aggregate(. ~ id+second, mydata, mean)

【参考方案1】：

这将创建一个符合您要求的新数据框。

解释一下，你实际上不需要删除任何东西，你只需要按公共值分组 val1/2s，在本例中为 id 和 second。

library(tidyverse)

new_df <- df %>%
  group_by(id, second) %>%
  summarise(var1 = mean(var1),
            var2 = mean(var2)
            )

【参考方案2】：

您可以使用base-R 函数来做到这一点：

aggregate(. ~ id+second, dat, mean)

##    id second var1 var2
## 1 100     20  3.0    4
## 2 100     21  3.0    3
## 3 100     22  3.5    3
## 4 100     23  3.5    3
## 5 100     24  4.0    4

使用dplyr 包可以完成（类似于以前的答案，稍作调整）：

library(dplyr)
dat %>% group_by(id, second) %>% 
        summarise_all(mean)

## # A tibble: 5 x 4
## # Groups:   id [?]
##      id second  var1  var2
##   <int>  <int> <dbl> <dbl>
## 1   100     20   3.0     4
## 2   100     21   3.0     3
## 3   100     22   3.5     3
## 4   100     23   3.5     3
## 5   100     24   4.0     4

如果您想根据两列（键）删除重复项，data.table 包将是一个不错的选择：

library(data.table)
unique(setDT(dat), by = c('id','second'))

#     id second var1 var2
# 1: 100     20    3    4
# 2: 100     21    3    3
# 3: 100     22    4    3
# 4: 100     23    4    3
# 5: 100     24    4    4

数据：

 dat <- structure(list(id = c(100L, 100L, 100L, 100L, 100L, 100L, 100L                       
     ), second = c(20L, 21L, 22L, 23L, 24L, 22L, 23L), var1 = c(3L,                          
     3L, 4L, 4L, 4L, 3L, 3L), var2 = c(4L, 3L, 3L, 3L, 4L, 3L, 3L)), .Names = c("id",        
     "second", "var1", "var2"), .internal.selfref = <pointer: 0x02af24a0>, row.names = c(NA, 
     7L), class = c("data.table", "data.frame"))