对于每个唯一 ID，我希望只有一行基于另一个字段的排名答案

【问题标题】：For each unique ID, I would like to have only one row based on a ranking of another field对于每个唯一 ID，我希望只有一行基于另一个字段的排名
【发布时间】：2019-06-10 15:58:37
【问题描述】：

最终，我希望创建一个表，其中包含我在数据集中拥有的每个唯一 ID 以及相应字段，基于该字段的“排名”。

我一直非常坚持这一步。我考虑过为每个唯一 ID 循环，但想看看是否有更简单的方法。或许 apply 系列函数会有所帮助。我也不确定对不同字符串值进行排名的方法（例如，TRUE > FALSE > NA）。

下面是我正在查看的一个小样本，只有两个感兴趣的领域：

df1 <- data.frame(ID = c(1,1,2,2,3,3,3,4,4,5,6,7,7), flag = c("NA", "TRUE", "NA", "FALSE", "TRUE", "TRUE", "FALSE", "NA", "NA", "NA", "TRUE", "FALSE", "FALSE"))

对于每个 ID：

如果标志字段中至少有一个“TRUE”，我想拉出整个行中的一个（不管是哪一个）。
如果一个 ID 在标志字段中不包含“TRUE”值，但在至少一行中有“FALSE”，我想提取其中一整行。
如果 ID 在标志字段中没有“TRUE”或“FALSE”值，我仍需要“NA”行之一。

下面是我希望拥有的单独数据框：

ideal.df <- data.frame(ID = c(1,2,3,4,5,6,7), flag = c("TRUE", "FALSE", "TRUE", "NA", "NA", "TRUE", "FALSE"))

提前感谢您的帮助！

【问题讨论】：

stackoverflow.com/questions/13279582/…的可能重复
如果这是一个重复的问题，我深表歉意 - 我在概念化这个问题时遇到了麻烦，所以很可能是这样。但是@Ronak-Shah 提供的答案正是我所需要的，并且看起来与您链接到的问题的答案完全不同。
没关系。这是我们得到每组第一行的问题之一。我认为这是一个骗局。通常情况下，它将被关闭，因为它由于简单的技术性而重新打开，我用一个修改过的答案取消删除了我之前发布的答案。
@akrun - 感谢您的澄清
没问题。请注意，重复标记并不是一件坏事。它使将来更容易找到类似的帖子。所以，我只是在为 SO 和所有其他在未来搜索类似帖子的人提供良好的撒玛利亚人服务，

标签： r match unique ranking-functions

【解决方案1】：

一个选项是使用slice 和match

library(dplyr)
df1 %>% 
   group_by(ID) %>% 
   slice(which.max(match(flag, c("NA", "TRUE", "FALSE"))))
# A tibble: 7 x 2
# Groups:   ID [7]
#     ID flag 
#  <dbl> <fct>
#1     1 TRUE 
#2     2 FALSE
#3     3 FALSE
#4     4 NA   
#5     5 NA   
#6     6 TRUE 
#7     7 FALSE

或者在logical“标志”列上使用rank和which.min

df1 %>% 
   group_by(ID) %>% 
   slice(which.min(rank(as.logical(flag)) ))
# A tibble: 7 x 2
# Groups:   ID [7]
#     ID flag 
#  <dbl> <fct>
#1     1 TRUE 
#2     2 FALSE
#3     3 FALSE
#4     4 NA   
#5     5 NA   
#6     6 TRUE 
#7     7 FALSE

【讨论】：

【解决方案2】：

一种选择是将flag 变量转换为有序因子并从每个组中获取最大值。

library(dplyr)

df1 %>%
  mutate(flag = factor(flag, levels = c("NA", "TRUE", "FALSE"), ordered = TRUE)) %>%
  group_by(ID) %>%
  slice(which.max(flag))

#     ID flag 
#  <dbl> <ord>
#1     1 TRUE 
#2     2 FALSE
#3     3 FALSE
#4     4 NA   
#5     5 NA   
#6     6 TRUE 
#7     7 FALSE

【讨论】：