Remove nhân đôi hàng sử dụng dplyr

Question

Tôi có một data.frame như thế này -

set.seed(123) 
df = data.frame(x=sample(0:1,10,replace=T),y=sample(0:1,10,replace=T),z=1:10) 
> df 
    x y z 
1 0 1 1 
2 1 0 2 
3 0 1 3 
4 1 1 4 
5 1 0 5 
6 0 1 6 
7 1 0 7 
8 1 0 8 
9 1 0 9 
10 0 1 10 

Tôi muốn loại bỏ các hàng trùng lặp dựa trên hai cột đầu tiên. Sản lượng dự kiến ​​-

df[!duplicated(df[,1:2]),] 
    x y z 
1 0 1 1 
2 1 0 2 
4 1 1 4 

Tôi đang tìm kiếm giải pháp sử dụng gói dplyr.

Answer 1

library(dplyr) 
set.seed(123) 
df <- data.frame(
    x = sample(0:1, 10, replace = T), 
    y = sample(0:1, 10, replace = T), 
    z = 1:10 
) 

Một cách tiếp cận sẽ được nhóm, và sau đó chỉ giữ nhóm với một hàng duy nhất:

df %>% group_by(x, y) %>% filter(row_number(z) == 1) 

## Source: local data frame [3 x 3] 
## Groups: x, y 
## 
## x y z 
## 1 0 1 1 
## 2 1 0 2 
## 3 1 1 4 

(Trong dplyr 0.2 bạn sẽ không cần z biến dummy và sẽ chỉ được có thể viết row_number() == 1)

Tôi cũng đã suy nghĩ về việc thêm một hàm slice() sẽ hoạt động như:

df %>% group_by(x, y) %>% slice(from = 1, to = 1) 

Hoặc có thể là một biến thể của unique() mà sẽ cho phép bạn chọn những biến để sử dụng:

df %>% unique(x, y) 

Answer 2

Đây là một giải pháp sử dụng dplyr 0.3.

library(dplyr) 
set.seed(123) 
df <- data.frame(
    x = sample(0:1, 10, replace = T), 
    y = sample(0:1, 10, replace = T), 
    z = 1:10 
) 

> df %>% distinct(x, y) 
    x y z 
    1 0 1 1 
    2 1 0 2 
    3 1 1 4 

Cập nhật cho dplyr 0,5

phiên bản dplyr hành vi 0,5 mặc định chỉ distinct() lợi nhuận cột quy định tại ... tranh cãi.

Để đạt được kết quả ban đầu, bây giờ bạn phải sử dụng:

df %>% distinct(x, y, .keep_all = TRUE) 

Answer 3

Đối với đầy đủ lợi ích, sau đây cũng làm việc:

df %>% group_by(x) %>% filter (! duplicated(y)) 

Tuy nhiên, tôi thích các giải pháp sử dụng distinct, và tôi nghi ngờ nó cũng nhanh hơn.

Answer 4

Khi chọn cột trong R cho tập dữ liệu giảm, bạn thường có thể kết thúc bằng các bản sao.

Hai dòng này cho cùng một kết quả. Mỗi kết quả đầu ra một dữ liệu thiết lập độc đáo chỉ có hai cột chọn:.

distinct(mtcars, cyl, hp); 

summarise(group_by(mtcars, cyl, hp));