按组选择每次运行的第一行[重复]答案

【问题标题】：Select first row per run by group [duplicate]按组选择每次运行的第一行[重复]
【发布时间】：2021-05-22 13:16:28
【问题描述】：

我有一个分组变量（ID）和一些值（类型）的数据：

ID <- c("1", "1", "1", "1", "2", "2", "2", "2", "3", "3", "3", "3")
type <- c("1", "3", "3", "2", "3", "3", "1", "1", "1", "2", "2", "1")

dat <- data.frame(ID,type)

在每个ID中，我想删除重复的数字，不是唯一的，而是与前一个相同的。我已经注释了一些例子：

#     ID type
#  1   1    1
#  2   1    3 # first value in a run of 3s within ID 1: keep 
#  3   1    3 # 2nd value: remove  
#  4   1    2
#  5   2    3
#  6   2    3
#  7   2    1
#  8   2    1
#  9   3    1
# 10   3    2 # first value in a run of 2s within ID 3: keep
# 11   3    2 # 2nd value: remove
# 12   3    1

例如ID 3的值序列为1,2,2,1。第三个值与第二个值相同，所以应该删除它，变成1,2,1

因此，所需的输出是：

data.frame(ID = c("1", "1", "1", "2", "2", "3", "3", "3"),
           type = c("1", "3", "2", "3", "1", "1", "2", "1"))

  ID type
1  1    1
2  1    3
3  1    2
4  2    3
5  2    1
6  3    1
7  3    2
8  3    1

我试过了

 df[!duplicated(df), ]

然而我得到的是

ID <- c("1", "1", "1", "2", "2", "3", "3")
type<- c("1", "3", "2", "3", "1", "1", "2")

我知道重复只会保留唯一的。我怎样才能得到我想要的值？

提前感谢您的帮助！

【问题讨论】：

标签： r duplicates sequence run-length-encoding

【解决方案1】：

这行得通吗：

library(dplyr)
dat %>% group_by(ID) %>% 
   mutate(flag = case_when(type == lag(type) ~ TRUE, TRUE ~ FALSE)) %>% 
     filter(!flag) %>% select(-flag)
# A tibble: 8 x 2
# Groups:   ID [3]
  ID    type 
  <chr> <chr>
1 1     1    
2 1     3    
3 1     2    
4 2     3    
5 2     1    
6 3     1    
7 3     2    
8 3     1

【讨论】：

是的，它有效 :) 我正在尝试了解您的想法。

【解决方案2】：

使用data.table rleid 和duplicated -

library(data.table)
setDT(dat)[!duplicated(rleid(ID, type))]

#   ID type
#1:  1    1
#2:  1    3
#3:  1    2
#4:  2    3
#5:  2    1
#6:  3    1
#7:  3    2
#8:  3    1

改进的答案包括来自@Henrik 的建议。

【讨论】：

【解决方案3】：

Base R方式如果你只想消除连续的重复行（8行输出）

ID <- c("1", "1", "1", "1", "2", "2", "2", "2", "3", "3", "3", "3")
type<- c("1", "3", "3", "2", "3", "3", "1", "1", "1", "2", "2", "1")

dat <- data.frame(ID,type)

subset(dat, !duplicated(with(rle(paste(dat$ID, dat$type)), rep(seq_len(length(lengths)), lengths))))
#>    ID type
#> 1   1    1
#> 2   1    3
#> 4   1    2
#> 5   2    3
#> 7   2    1
#> 9   3    1
#> 10  3    2
#> 12  3    1

^{由reprex package (v2.0.0) 于 2021-05-22 创建}

【讨论】：