我有一个由不同个体组成的数据集,其中每个个体都有一个唯一的 ID。每个人都可以在数据集中出现多次,但据我了解,除了一个或两个变量不同(每个人大约有 80 个)之外,数据集中相同用户 ID 的每个条目的值应该相同。
如果可以的话,我想尝试折叠数据。我的主要障碍是我需要回填的某些空值。我正在寻找一个可以完成重复数据删除的函数,如下所示:
# Build sample dataset
df1 = data.frame(id=rep(1:6,2)
,classA=rep(c('a','b'),6)
,classB=rep(c(1001:1006),2)
)
df1= df1[order(df1$id),]
df1$classC=c('a',NA,'b',NA,NA,NA,'e','d', NA, 'f', NA, NA)
df1[10,"classB"]=NA
df1=df1[df1$id!=6,]
#sample dataset
> df1
id classA classB classC
1 1 a 1001 a
7 1 a 1001 <NA>
2 2 b 1002 b
8 2 b 1002 <NA>
3 3 a 1003 <NA>
9 3 a 1003 <NA>
4 4 b 1004 e
10 4 b 1004 d
5 5 a 1005 <NA>
11 5 a NA f
# what I'm looking for
> deduplicate(df1, on='id')
id classA classB classC
1 1 a 1001 a
2 2 b 1002 b
3 3 a 1003 <NA>
4 4 b 1004 d
5 4 b 1004 e
6 5 a 1005 f