使用dplyr删除重复的行

4 回答

• 21

  为了完整起见，以下内容也有效：

  df %>% group_by(x) %>% filter (! duplicated(y))
  

  但是，我更喜欢使用 distinct 的解决方案，我怀疑它也更快 .

  回复于 2024-05-03T10:59:12+08:00
• 160

  这是一个使用 dplyr 0.3 的解决方案 .

  library(dplyr)
  set.seed(123)
  df <- data.frame(
    x = sample(0:1, 10, replace = T),
    y = sample(0:1, 10, replace = T),
    z = 1:10
  )
  
  > df %>% distinct(x, y)
      x y z
    1 0 1 1
    2 1 0 2
    3 1 1 4
  

  Updated for dplyr 0.5

  dplyr版本0.5 distinct() 的默认行为仅返回 ... 参数中指定的列 .

  要获得原始结果，您现在必须使用：

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

  回复于 2024-05-03T10:59:12+08:00
• 2

  注意： dplyr 现在包含用于此目的的 distinct 函数 .

  原答案如下：

  ---

  library(dplyr)
  set.seed(123)
  df <- data.frame(
    x = sample(0:1, 10, replace = T),
    y = sample(0:1, 10, replace = T),
    z = 1:10
  )
  

  一种方法是分组，然后只保留第一行：

  df %>% group_by(x, y) %>% filter(row_number(z) == 1)
  
  ## Source: local data frame [3 x 3]
  ## Groups: x, y
  ## 
  ##   x y z
  ## 1 0 1 1
  ## 2 1 0 2
  ## 3 1 1 4
  

  （在dplyr 0.2中你不需要虚拟 z 变量，只能写 row_number() == 1 ）

  我一直在考虑添加一个 slice() 函数，它的工作原理如下：

  df %>% group_by(x, y) %>% slice(from = 1, to = 1)
  

  或者可以使用 unique() 的变体来选择要使用的变量：

  df %>% unique(x, y)
  

  回复于 2024-05-03T10:59:12+08:00
• 108

  在R中选择减少数据集的列时，通常最终会出现重复数据 .

  这两行给出了相同的结果 . 每个输出一个唯一的数据集，只有两个选定的列：

  distinct(mtcars, cyl, hp);
  
  summarise(group_by(mtcars, cyl, hp));
  

  回复于 2024-05-03T10:59:12+08:00