按组计算观察结果并仅保留属于至少两个组的观察结果[重复]答案

【问题标题】：count observations by group and keep only those belonging to at least two groups [duplicate]按组计算观察结果并仅保留属于至少两个组的观察结果[重复]
【发布时间】：2015-09-16 14:59:04
【问题描述】：

我有以下数据框：

id    group
1     A
1     B
1     C
2     A
3     A
3     B

我想创建一个变量来计算每个人所属的组数，并基于此变量，我只想将那些拥有多个组的人保留在数据框中。在这种情况下 id 2 将被删除。我知道我可以通过做来数数

table(data$group)

但我无法使用它来删除只有一组的人。

【问题讨论】：

标签： r

【解决方案1】：

假设 OP 只需要保留“组”中 unique 元素的 length 大于 1 的“id”，我们可以使用 data.table。我们将'data.frame'转换为'data.table'（setDT(data)），按'ID'分组，我们返回Data.table的子集（.SD）iflength的unique 'group' 中的元素大于 1。（uniqueN 是 length(unique(. 的方便包装）

 library(data.table)#v1.9.5+
 setDT(data)[,if(uniqueN(group)>1) .SD , by = id]
 #   id group
 #1:  1     A
 #2:  1     B
 #3:  1     C
 #4:  3     A
 #5:  3     B

注意：如果这仅基于 length，我们将 uniqueN(group)>1 替换为 length(group)>1

我们是否可以仅使用“id”列进行子集化还是需要“group”列中的length(unique，尚不完全清楚。如果我们只使用'id'，一个选项是duplicated

data[duplicated(data$id)|duplicated(data$id, fromLast=TRUE),]
#  id group
#1  1     A
#2  1     B
#3  1     C
#5  3     A
#6  3     B

【讨论】：

我收到以下错误：找不到函数“uniqueN”。我猜是因为在 install.packages("data.table") 我得到 data.table 1.9.4 或者我需要调用另一个库？
@user2246905 我使用的是开发版。但你可以替换为length(unique(group))>1
@user2246905 我有疑问。假设如果您有一个带有 3 个元素的“id”1，并且所有组元素都是“A”。你会删除它吗？

【解决方案2】：

df[df$id %in% names(which(table(df$id) > 1)),]
#  id group
#1  1     A
#2  1     B
#3  1     C
#5  3     A
#6  3     B

使用table 方法，您可以检查哪些ID 出现了多次。假设一个 id 每组出现一次。

更新

df[df$id %in% names(which(rowSums(!!(table(df$id, df$group))) > 1)),]

我添加了对第二列的引用，以防同一个 id 出现多个值。

【讨论】：

【解决方案3】：

使用 dplyr：

library(dplyr)
df %>%
  group_by(id) %>%
  filter(length(group) > 1)

@Frank 建议

或者，如果您想检查唯一性（组）而不是长度（组）：

df %>%
  group_by(id) %>%
  filter(n_distinct(group) > 1)

【讨论】：

并将其扩展到 akrun 正在解决的情况，n_distinct(group)>1