选择在 R 中使用 distinct 函数时要保留的行答案

【问题标题】：Select which rows to keep when using the distinct function in R选择在 R 中使用 distinct 函数时要保留的行
【发布时间】：2021-02-11 17:27:38
【问题描述】：

我有一个如下所示的数据框：

  company eh
1       A  1
2       A  3
3       B  2
4       C  2
5       C  1
6       D  3
7       E  1
8       F  3
9       F  1

如您所见，我有重复的公司 A、C 和 F 行。这是因为某些公司可以在 'eh' 列中同时采用值 1、2 和 3。我希望每个公司只有一行，所以我运行以下代码：

df <- distinct(df, company, .keep_all = TRUE)

结果：

  company eh
1       A  1
2       B  2
3       C  2
4       D  3
5       E  1
6       F  3

但是，这会从“eh”列中删除随机行。但我想要的 'eh' 列是保持值 1 超过 2 和 3。换句话说，如果公司的 'eh' 值同时采用 1 和 3，我宁愿保留值为 1 的行。所以我想得到这样的结果（删除第 2、4 和 8 行）：

  company eh
1       A  1
2       B  2
3       C  1
4       D  3
5       E  1
6       F  1

我该怎么做？

【问题讨论】：

取决于您如何决定要删除哪些行 - 它总是在“eh”列中具有较高值的行吗？还是总是第二次出现，从上到下阅读？
Dubukay：我总是想保留“eh”取 1 的行。在这种情况下，您也可以说我想保留“eh”值最低的行。我不在乎是否保持 2 超过 3。只要它始终保持 1 超过其他

标签： r duplicates distinct

【解决方案1】：

在base R，我们可以做

dat1 <- dat[order(dat$company, dat$eh),]
dat1[!duplicated(dat1$company),]

【讨论】：

【解决方案2】：

您可以先通过company 和eh arrange 您的数据。 distinct 将保留第一行：

dat <- read.table(text = "company eh
1       A  1
2       A  3
3       B  2
4       C  2
5       C  1
6       D  3
7       E  1
8       F  3
9       F  1", header = TRUE)

library(dplyr)

dat %>% 
  arrange(company, eh) %>% 
  distinct(company, .keep_all = TRUE)
#>   company eh
#> 1       A  1
#> 3       B  2
#> 5       C  1
#> 6       D  3
#> 7       E  1
#> 9       F  1

^{由reprex package (v1.0.0) 于 2021-02-11 创建}

【讨论】：