以前一行为条件在数据框中删除一行

Question

  State Year APPT   mood ranney_4yrs folded_ranney_4yrs time censor
Arizona 1970    3 47.778   0.3299708          0.8299708   30      0
Arizona 1971    3 51.948   0.3265375          0.8265375   31      0
Arizona 1972    3 48.429   0.3246062          0.8246062   32      0
Arizona 1973    3 42.909   0.3226750          0.8226750   33      0
Arizona 1974    1 40.548   0.3683167          0.8683167   34      1
Arizona 1975    1 39.517   0.4139583          0.9139583   35      1
Arizona 1976    1 38.659   0.4543917          0.9543917   36      1
Arizona 1977    1 36.995   0.4948250          0.9948250   37      1

我有这个数据框，我想删除“检查器”列中除第一个实例外的所有实例。 我可以编写什么代码来保留第一个实例并在“检查器”列中删除所有后续的1实例？

Answer 1

如果数据帧由检查器列排序，则将执行此操作：

df[df[,'censor']!=1 | !duplicated(df[,'censor']),]

Answer 2

无论检查器列的顺序如何，此解决方案都将起作用：

df[df$censor!=1 | ave(df$censor,df$censor,FUN=function(x) 1:length(x))==1,];

它通过导出每个不同的检查者值的“运行计数”来工作。 我以一种非常不寻常的方式使用了ave()函数来为每个唯一的检查值评估一次表达式1:length(x) ，并且ave()函数执行了必要的工作以将每个结果“计数向量”映射回排列检查向量在分组向量中的顺序（即ave()的第二个参数）。 ave()的第一个参数的内容（而不是长度）是完全无关的，因为表达式1:length(x)仅取决于组的长度，而不取决于其内容。 （但是，对于第一个参数重用分组向量是有意义的，因为可以保证长度正确，即与分组向量的长度相同。）因此， ave()的返回值表示每个检查器的运行计数。值，根据它们在“检查器”列中出现的顺序正确排序。 然后可以在索引操作中使用运行计数来选择仅首先出现的行，即运行计数值为1的行（至少对于检查值1而言； |的LHS会选择所有其他检查值，而不考虑发生的行）数）。

这是一个演示，在这里我略微检查了“检查器”列以演示不可知论的顺序：

df <- data.frame(State=c('Arizona','Arizona','Arizona','Arizona','Arizona','Arizona','Arizona','Arizona'), Year=c(1970,1971,1972,1973,1974,1975,1976,1977), APPT=c(3,3,3,3,1,1,1,1), mood=c(47.778,51.948,48.429,42.909,40.548,39.517,38.659,36.995), ranney_4yrs=c(0.3299708,0.3265375,0.3246062,0.3226750,0.3683167,0.4139583,0.4543917,0.4948250), folded_ranney_4yrs=c(0.8299708,0.8265375,0.8246062,0.8226750,0.8683167,0.9139583,0.9543917,0.9948250), time=c(30,31,32,33,34,35,36,37), censor=c(1,0,1,0,0,1,0,1) );
df;
##     State Year APPT   mood ranney_4yrs folded_ranney_4yrs time censor
## 1 Arizona 1970    3 47.778   0.3299708          0.8299708   30      1
## 2 Arizona 1971    3 51.948   0.3265375          0.8265375   31      0
## 3 Arizona 1972    3 48.429   0.3246062          0.8246062   32      1
## 4 Arizona 1973    3 42.909   0.3226750          0.8226750   33      0
## 5 Arizona 1974    1 40.548   0.3683167          0.8683167   34      0
## 6 Arizona 1975    1 39.517   0.4139583          0.9139583   35      1
## 7 Arizona 1976    1 38.659   0.4543917          0.9543917   36      0
## 8 Arizona 1977    1 36.995   0.4948250          0.9948250   37      1
df[df$censor!=1 | ave(df$censor,df$censor,FUN=function(x) 1:length(x))==1,];
##     State Year APPT   mood ranney_4yrs folded_ranney_4yrs time censor
## 1 Arizona 1970    3 47.778   0.3299708          0.8299708   30      1
## 2 Arizona 1971    3 51.948   0.3265375          0.8265375   31      0
## 4 Arizona 1973    3 42.909   0.3226750          0.8226750   33      0
## 5 Arizona 1974    1 40.548   0.3683167          0.8683167   34      0
## 7 Arizona 1976    1 38.659   0.4543917          0.9543917   36      0