删除 R data.frame 中的重复字段

Question

我是 R 的新手，我需要你的帮助来做一些我至今无法做到的事情：

我有一个可以包含随机列数的数据框，我需要在数据框的每一列中只保留唯一值，但这必须独立于其他列来完成：

例如，如果有以下数据框：

 Column_A   Column_B    Column_C
    A               1           A1  
    A               2           A2
    B               1           A3
    B               2           A4
    C               3           A5
    C               4           A6

这个的输出，在代码之后必须是：

Column_A    Column_B    Column_C
A               1           A1
B               2           A2
C               3           A3
                4           A4
                            A5
                            A6

我已尝试使用 ds <- unique(ds)，但它只会留下所有列之间的唯一关系。

我真的很感激你能给我的任何帮助或指导。

提前致谢。

数据

`> str(df)
'data.frame':   6 obs. of  3 variables:
 $ A: chr  "A" "B" "C" "A" ...
 $ B: num  1 2 1 2 3 4
 $ C: chr  "A1" "A2" "A3" "A4" ...`

循环

`i <- 1`
`while (i < ncol(df)){
+  df[i] <-  lapply(df, function(x) {
+           x[duplicated(x)] <- ''
+           c(x[x!=''], x[x==''])})
+ i <- i+1
+}`

Answer 1

如果有“因子”列，最好将其转换为character 或将'' 作为factor 列的级别之一。在这里，我首先将factor 列更改为character。

 indx <- sapply(df1, is.factor)
 df1[indx] <- lapply(df1[indx], as.character) 

循环使用lapply 的列，将duplicated 元素替换为''，排列元素以使空字符串位于末尾（c(x[x=''],x==''])）

 df1[] <-  lapply(df1, function(x) {
           x[duplicated(x)] <- ''
           c(x[x!=''], x[x==''])})
 df1
 #   Column_A Column_B Column_C
 #1        A        1       A1
 #2        B        2       A2
 #3        C        3       A3
 #4                 4       A4
 #5                         A5
 #6                         A6

或者另一种选择是使用match

df1[] <- lapply(df1, function(x) c(x[match(unique(x),x)],
               rep('', length(x)-length(unique(x)))))

注意：使用'' 会将数字列类更改为“字符/因子”类。替换为NA 可能会更好，它也可以使用自定义函数is.na/na.omit/complete.cases 等轻松删除。

数据

 df1 <- structure(list(Column_A = structure(c(1L, 1L, 2L, 2L, 3L, 3L), 
 .Label = c("A", 
 "B", "C"), class = "factor"), Column_B = c(1L, 2L, 1L, 2L, 3L, 
 4L), Column_C = structure(1:6, .Label = c("A1", "A2", "A3", "A4", 
 "A5", "A6"), class = "factor")), .Names = c("Column_A", "Column_B", 
 "Column_C"), row.names = c(NA, -6L), class = "data.frame")