23

我试图通过从特定列中具有相同值的每组行中删除除一行之外的所有行来折叠数据框。换句话说，每个组的第一行。

例如，我想转换这个

> d = data.frame(x=c(1,1,2,4),y=c(10,11,12,13),z=c(20,19,18,17))
> d
  x  y  z
1 1 10 20
2 1 11 19
3 2 12 18
4 4 13 17

进入这个：

    x  y  z
1   1 11 19
2   2 12 18
3   4 13 17

我目前正在使用聚合来执行此操作，但是使用更多数据时性能无法接受：

> d.ordered = d[order(-d$y),]
> aggregate(d.ordered,by=list(key=d.ordered$x),FUN=function(x){x[1]})

我已经尝试使用与此处相同的函数参数进行拆分/取消拆分，但 unsplit 抱怨重复的行号。

有可能吗？是否有一个 R 成语将 rle 的长度向量转换为开始每次运行的行的索引，然后我可以用它来将这些行从数据框中提取出来？

4

4 回答 4

31

也许duplicated()可以帮助：

R> d[ !duplicated(d$x), ]
  x  y  z
1 1 10 20
3 2 12 18
4 4 13 17
R>

编辑 嘘，没关系。这会在每个重复块中选择第一个，你想要最后一个。所以这是使用plyr的另一种尝试：

R> ddply(d, "x", function(z) tail(z,1))
  x  y  z
1 1 11 19
2 2 12 18
3 4 13 17
R>

在这里， plyr完成了寻找唯一子集、循环它们并应用提供的函数的艰苦工作——它只是z使用tail(z, 1).

于 2010-04-13T02:19:35.750 回答
14

只是对 Dirk 提供的内容添加一点...duplicated有一个fromLast参数，您可以使用它来选择最后一行：

d[ !duplicated(d$x,fromLast=TRUE), ]
于 2010-04-13T06:00:54.127 回答
14

这是一个data.table解决方案，它对于大型数据集将节省时间和内存

library(data.table)
DT <- as.data.table(d)           # convert to data.table
setkey(DT, x)                    # set key to allow binary search using `J()`
DT[J(unique(x)), mult ='last']   # subset out the last row for each x
DT[J(unique(x)), mult ='first']  # if you wanted the first row for each x
于 2012-09-19T06:54:59.437 回答
4

有几个选项使用dplyr：

library(dplyr)
df %>% distinct(x, .keep_all = TRUE)
df %>% group_by(x) %>% filter(row_number() == 1)
df %>% group_by(x) %>% slice(1)

您可以将多个列与distinct()和一起使用group_by()：

df %>% distinct(x, y, .keep_all = TRUE)

如果存在日期或其他顺序字段并且您希望确保保留最新的观察结果，and方法group_by()可能很有用，如果您想避免平局，则该方法很有用：filter()slice()

df %>% group_by(x) %>% filter(date == max(date)) %>% slice(1)
于 2019-03-20T11:47:11.117 回答