在只有选定列的数据框中唯一答案

【问题标题】：Unique on a dataframe with only selected columns在只有选定列的数据框中唯一
【发布时间】：2012-04-14 05:56:09
【问题描述】：

我有一个超过 100 列的数据框，我想通过只比较其中的两列来找到唯一的行。我希望这是一个简单的过程，但我无法使用 unique 或 duplicated 我自己。

在下面，我想只使用 id 和 id2 来唯一：

data.frame(id=c(1,1,3),id2=c(1,1,4),somevalue=c("x","y","z"))

id id2 somevalue
1   1         x
1   1         y
3   4         z

我想获得：

id id2 somevalue
1   1         x
3   4         z

或：

id id2 somevalue
1   1         y
3   4         z

（我没有偏好保留哪些唯一行）

【问题讨论】：

您想要的输出没有明确定义。你如何选择包括 x 而不是 y？需要为每一个重复行的每一列做出这个决定，而你没有给出如何做的指示。
我对是否包含“x”或“y”没有偏好。我会更新问题。
对于data.table 替代品：Filtering out duplicated/non-unique rows in data.table

标签： r unique

【解决方案1】：

这里有几个dplyr 选项，它们根据列 id 和 id2 保留不重复的行：

library(dplyr)                                        
df %>% distinct(id, id2, .keep_all = TRUE)
df %>% group_by(id, id2) %>% filter(row_number() == 1)
df %>% group_by(id, id2) %>% slice(1)

【讨论】：

我想没有理由考虑使用distinct的替代品
@Frank 也许如果有日期或其他顺序字段，则可以使用其他两个选项的组合并稍作调整，以确保保留最新的观察结果df %>% group_by(id, id2) %>% filter(date == max(date)) %>% slice(1) 而无需排序数据。 filter() 获取最近的日期，slice() 确保如果有联系，则只返回一个观察结果。在其他情况下，df %>% group_by(id, id2) %>% slice(max(row_number())) 之类的东西可能会提供更多的灵活性。你也可以在distinct() 之前使用arrange()。
@sbha 当您要分组的列中存在平局时，是否有一种方法可以为具有特定列值的行指定首选项？对于问题中的示例，当 id 和 id2 列中的行重复时，始终返回带有 somevalue == x 的行。

【解决方案2】：

@Joran 代码的小幅更新。
使用下面的代码，您可以避免歧义，并且只获取两列的唯一性：

dat <- data.frame(id=c(1,1,3), id2=c(1,1,4) ,somevalue=c("x","y","z"))    
dat[row.names(unique(dat[,c("id", "id2")])), c("id", "id2")]

【讨论】：

这看起来与 Gary Feng 的答案相同，只是您没有包含 somevalue 结果。

【解决方案3】：

使用unique():

dat <- data.frame(id=c(1,1,3),id2=c(1,1,4),somevalue=c("x","y","z"))    
dat[row.names(unique(dat[,c("id", "id2")])),]

【讨论】：

unique(dat[,c("id", "id2")]) 返回向量，而不是数据帧，所以你不能引用它的row.names
@SashkoLykhenko，你错过了最后一个逗号吗？
我复制粘贴了这个row.names(unique(dat[,c("id", "id2")]))，它返回了错误。最后一个逗号涉及到外部dat[...,]

【解决方案4】：

好的，如果您选择非重复列中的哪个值无关紧要，这应该很容易：

dat <- data.frame(id=c(1,1,3),id2=c(1,1,4),somevalue=c("x","y","z"))
> dat[!duplicated(dat[,c('id','id2')]),]
  id id2 somevalue
1  1   1         x
3  3   4         z

在duplicated 调用中，我只是传递dat 中我不想重复的那些列。此代码将始终自动选择任何模棱两可的值的first。（在这种情况下，x。）

【讨论】：

@Ferraoo 根据这个网站，在 SQL 中是不可能的dofactory.com/sql/select-distinct