r - 对数据框中具有值的行进行重复数据删除答案

【问题标题】：r - dedupe the rows with value in dataframer - 对数据框中具有值的行进行重复数据删除
【发布时间】：2017-07-06 11:58:40
【问题描述】：

如何在基于另一列的重复项中仅对具有特定列中值的行进行子集化。

例子：

df

A B  C D 
1 NA 8 7
1 5  8 9
2 6  5 8
2 NA 5 6
3 NA  8 5

所以在上面的数据集中，前 4 行基于 A 列和 C 列是重复的，所以其中我想只选择 B 列中具有值的行。

期望的输出，

谢谢。

【问题讨论】：

如果您可以选择多行怎么办？规则是什么？
用 B 列中的值选择两者。

标签： r duplicates

【解决方案1】：

使用 dplyr：

df <- read.table(text="A B  C D 
1 NA 8 7
1 5  8 9
2 6  5 8
2 NA 5 6
3 NA  8 5", header=T)


df %>% 
  group_by(A,C) %>% 
  filter(n()==1|!is.na(B))

      A     B     C     D
  <int> <int> <int> <int>
1     1     5     8     9
2     2     6     5     8
3     3    NA     8     5

【讨论】：

【解决方案2】：

在B 上向后或向前重复并且不丢失；或不重复：

anydup <- duplicated(df[c("A","C")]) | duplicated(df[c("A","C")], fromLast=TRUE)
df[(anydup & (!is.na(df$B))) | (!anydup),]

#  A  B C D
#2 1  5 8 9
#3 2  6 5 8
#5 3 NA 8 5

或使用ave 根据@HubertL 的dplyr 答案检查每组的长度：

df[!is.na(df$B) | ave(df$B, df[c("A","C")], FUN=length)==1,]
#  A  B C D
#2 1  5 8 9
#3 2  6 5 8
#5 3 NA 8 5

【讨论】：

ave() 方法在我痒的地方抓到了我。
哈哈，当然！这也是 Seinfeld 的参考 :)

【解决方案3】：

这是data.table的一个选项

library(data.table)
setDT(df)[df[, .I[.N==1 | complete.cases(B)] , .(A, C)]$V1]
#    A  B C D
#1: 1  5 8 9
#2: 2  6 5 8
#3: 3 NA 8 5

【讨论】：