如何根据 R 中的组删除特定重复的行？ [复制]答案

【问题标题】：How to remove rows of specific duplicate depending on groups in R? [duplicate]如何根据 R 中的组删除特定重复的行？ [复制]
【发布时间】：2021-08-13 10:28:56
【问题描述】：

我有一组基因数据集。有时一个基因可以出现在多个组中，如果某个基因出现在另一个组中并且它是该组中唯一的基因，我想删除它的重复。

例如我的数据如下：

Group       Gene
1           Gene1
1           Gene2
1           Gene3
2           Gene3
2           Gene4
3           Gene1
4           Gene10
4           Gene11

Gene1 出现在第 1 组和第 3 组中，但在第 3 组中它是该组中唯一的基因，因此我想删除该行。如何针对这种情况进行编码，然后通过该过滤器删除重复项？

我看到了一些类似的问题，并且我尝试过重新利用代码，但我还没有走多远。目前我正在尝试：

library(dplyr)

df %>% 
   group_by(Gene) %>% 
   mutate(duplicates = filter(n() > 1))
   mutate(to_remove = duplicates == TRUE & Group = filter(n() == 1))

但我可能根本没有正确理解这个语法，我不经常使用 dplyr。

输入数据示例：

df <- structure(list(Group = c(1L, 1L, 1L, 2L, 2L, 3L, 4L, 4L), Gene = c("Gene1", 
"Gene2", "Gene3", "Gene3", "Gene4", "Gene1", "Gene10", "Gene11"
)), row.names = c(NA, -8L), class = c("data.table", "data.frame"
))

【问题讨论】：

标签： r dplyr

【解决方案1】：

也许你可以试试subset + ave

> subset(
+   df,
+   ave(Gene, Group, FUN = function(x) unique(length(x))) > 1
+ )
  Group   Gene
1     1  Gene1
2     1  Gene2
3     1  Gene3
4     2  Gene3
5     2  Gene4
7     4 Gene10
8     4 Gene11

或dplyr 选项

> df %>%
+   group_by(Group) %>%
+   filter(n_distinct(Gene) > 1) %>%
+   ungroup()
# A tibble: 7 x 2
  Group Gene  
  <int> <chr>
1     1 Gene1
2     1 Gene2
3     1 Gene3
4     2 Gene3
5     2 Gene4
6     4 Gene10
7     4 Gene11

【讨论】：