选择具有多个不同值的组答案

【问题标题】：Select groups with more than one distinct value选择具有多个不同值的组
【发布时间】：2015-10-17 09:35:58
【问题描述】：

我有一个分组变量（“from”）和值（“number”）的数据：

from number
   1      1
   1      1
   2      1
   2      2
   3      2
   3      2

我想对数据进行子集化并选择具有两个或多个唯一值的组。在我的数据中，只有第 2 组有多个不同的“数字”，所以这是期望的结果：

from number
   2      1
   2      2

【问题讨论】：

我对你的问题有疑问。假设在from =2，数字是1 2 1。这符合子集标准吗？

标签： r subset difference

【解决方案1】：

几种可能，这是我最喜欢的

library(data.table)
setDT(df)[, if(+var(number)) .SD, by = from]
#    from number
# 1:    2      1
# 2:    2      2

基本上，我们检查每个组是否有任何差异，如果TRUE，则返回组值

使用基础 R，我会选择

df[as.logical(with(df, ave(number, from, FUN = var))), ]
#   from number
# 3    2      1
# 4    2      2

编辑：对于非数字数据，您可以尝试为the devel version 的data.table 使用新的uniqueN 函数（或改用length(unique(number)) > 1

setDT(df)[, if(uniqueN(number) > 1) .SD, by = from]

【讨论】：

我的真实数据并不简单。它是名称字符串。可能是同样的问题？
如果不是数字，请使用开发版中的uniqueN 函数，例如setDT(df)[, if(uniqueN(number) > 1) .SD, by = from]。如果您没有开发版本，请尝试使用setDT(df)[, if(length(unique(number)) > 1) .SD, by = from]。 Link for the devel version

【解决方案2】：

你可以试试

 library(dplyr)
 df1 %>% 
     group_by(from) %>%
     filter(n_distinct(number)>1)
 #    from number
 #1    2      1
 #2    2      2

或使用base R

 indx <- rowSums(!!table(df1))>1
 subset(df1, from %in% names(indx)[indx])
 #   from number
 #3    2      1
 #4    2      2

或者

  df1[with(df1, !ave(number, from, FUN=anyDuplicated)),]
  #   from number
  #3    2      1
  #4    2      2

【讨论】：

不错的替代品（我在想n_distinct 但留给你了 :)），虽然最后一个可能具有误导性，所以我不会使用它

【解决方案3】：

使用David 共享的方差概念，但以 dplyr 方式进行：

library(dplyr) 
df %>% 
   group_by(from) %>% 
   mutate(variance=var(number)) %>% 
   filter(variance!=0) %>% 
   select(from,number)

    #Source: local data frame [2 x 2]
    #Groups: from

       #from number
   #1    2      1
   #2    2      2

【讨论】：