有限制地删除r中重复的观测值

Question

我有一个数据集，其中包含ident变量的重复项。 我只需要为每个标识选择1个观测值，并且它必须是最新值，即结果数据应包含对标识的观测值，其中“年”在初始数据集中最高。

我相信一般情况如下：

1. ident   value   year
 2. A       1       19X1
 3. A       2       19X2
 4. B       4       19X2
 5. B       2       19X1
 6. B       1       19X3
 7. C       1       19X4
 8. C       2       19X1

（我无法在此处在适当的表中订购它，因此请忽略左侧的编号列表）

只有，我有数十万个观察员。

所得数据集的顺序对我而言并不重要。

Answer 1

使用库dplyr可以执行以下操作：

library(dplyr)
df %>% group_by(ident) %>% arrange(desc(year)) %>% slice(1)

输出如下：

Source: local data frame [3 x 4]
Groups: ident [3]

    X1. ident value  year
  (dbl) (chr) (int) (chr)
1     3     A     2  19X2
2     6     B     1  19X3
3     7     C     1  19X4

假设year采用的格式是降序排列，则从最新到最旧。

注意：x1。 列是您上面输入数据的结果。 我只是按原样阅读。

Answer 2

尝试

df <- do.call(rbind, lapply(split(df, df$ident), 
                            function(x) x[which.max(x$year), ]))