按组获取唯一值的行答案

【问题标题】：get rows of unique values by group按组获取唯一值的行
【发布时间】：2013-08-28 07:38:15
【问题描述】：

我有一个 data.table 并且想要选择 data.table 中变量 x 的某些值相对于另一个变量 y 是唯一的那些行

可以在单独的数据集中获取 x 的唯一值，按 y 分组，如下所示

dt[,unique(x),by=y]

但我想在原始数据集中选择出现这种情况的行。我不想要新的 data.table，因为我还需要其他变量。

那么，我必须在我的代码中添加什么来获取dt 中符合上述条件的行？

dt <- data.table(y=rep(letters[1:2],each=3),x=c(1,2,2,3,2,1),z=1:6) 

   y x z
1: a 1 1
2: a 2 2
3: a 2 3
4: b 3 4
5: b 2 5
6: b 1 6

我想要什么：

   y x z
1: a 1 1
2: a 2 2
3: b 3 4
4: b 2 5
5: b 1 6

【问题讨论】：

标签： r data.table

【解决方案1】：

惯用的data.table方式是：

require(data.table)
unique(dt, by = c("y", "x"))
#    y x z
# 1: a 1 1
# 2: a 2 2
# 3: b 3 4
# 4: b 2 5
# 5: b 1 6

【讨论】：

【解决方案2】：

data.table 在duplicated 的使用方式上略有不同。这是我以前在这里看到过的方法：

dt <- data.table(y=rep(letters[1:2],each=3),x=c(1,2,2,3,2,1),z=1:6) 
setkey(dt, "y", "x")
key(dt)
# [1] "y" "x"
!duplicated(dt)
# [1]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
dt[!duplicated(dt)]
#    y x z
# 1: a 1 1
# 2: a 2 2
# 3: b 1 6
# 4: b 2 5
# 5: b 3 4

【讨论】：

+1 顺便说一句，Steve 已将 by 添加到 duplicated 和 unique 用于 data.table，因此在下一个版本中您可以指定要测试的列：unique(dt,by=c("y","x"))。在 R-Forge 上的 v1.8.9 中。默认情况下，by 是 key(dt)，因此如果未提供 by，它会像以前一样工作。
但是identical(unique(dt),dt[!duplicated(dt)])在你设置好密钥后是真的，那为什么不使用unique呢？

【解决方案3】：

更简单的data.table解决方案是抓取每组的第一个元素

> dt[, head(.SD, 1), by=.(y, x)]
   y x z
1: a 1 1
2: a 2 2
3: b 3 4
4: b 2 5
5: b 1 6

【讨论】：

【解决方案4】：

感谢 dplyR

library(dplyr)
col1 = c(1,1,3,3,5,6,7,8,9)
col2 = c("cust1", 'cust1', 'cust3', 'cust4', 'cust5', 'cust5', 'cust5',     'cust5', 'cust6')
df1 = data.frame(col1, col2)
df1

distinct(select(df1, col1, col2))

【讨论】：