10

我正在尝试根据我的变量 id 从数据集中删除重复的观察结果。但是，我希望根据以下规则删除观察结果。下面的变量是 id、户主的性别（1-男、2-女）和户主的年龄。规则如下。如果一个家庭既有男性户主也有女性户主，则删除女性户主观察。如果一个家庭是两个男户主或两个女户主，则删除与年轻户主的观察。下面是一个示例数据集。

id = c(1,2,2,3,4,5,5,6,7,8,8,9,10)
sex = c(1,1,2,1,2,2,2,1,1,1,1,2,1)
age = c(32,34,54,23,32,56,67,45,51,43,35,80,45)
data = data.frame(cbind(id,sex,age))
4

2 回答 2

13

您可以通过首先订购data.frame每个所需的条目来做到这一点id，然后删除具有重复ids 的行。

d <- with(data, data[order(id, sex, -age),])
#    id sex age
# 1   1   1  32
# 2   2   1  34
# 3   2   2  54
# 4   3   1  23
# 5   4   2  32
# 7   5   2  67
# 6   5   2  56
# 8   6   1  45
# 9   7   1  51
# 10  8   1  43
# 11  8   1  35
# 12  9   2  80
# 13 10   1  45
d[!duplicated(d$id), ]
#    id sex age
# 1   1   1  32
# 2   2   1  34
# 4   3   1  23
# 5   4   2  32
# 7   5   2  67
# 8   6   1  45
# 9   7   1  51
# 10  8   1  43
# 12  9   2  80
# 13 10   1  45
于 2013-03-22T18:04:40.373 回答
8

有了data.table，这很容易通过“复合查询”。要在读入数据时对数据进行排序，请在读入数据时将“key”设置为“id,sex”（如果任何女性值会出现在给定 ID 的男性值之前，则必须这样做）。

> library(data.table)
> DT <- data.table(data, key = "id,sex")
> DT[, max(age), by = key(DT)][!duplicated(id)]
    id sex V1
 1:  1   1 32
 2:  2   1 34
 3:  3   1 23
 4:  4   2 32
 5:  5   2 67
 6:  6   1 45
 7:  7   1 51
 8:  8   1 43
 9:  9   2 80
10: 10   1 45
于 2013-03-22T18:17:01.387 回答