在R中查找唯一对（不重复任何值）

Question

我有一个数据框，其中包含2组患者（x和y组）的血液检查结果。 每个队列中有相同数量的患者（具有不同的身份证号）（2000年）。 我对计时很感兴趣，在测试时他们（模糊）加入了。 由于测试时间上有很多比赛，这导致时间段相似的两组中的ID重复。

这是一个例子：

id.x  time  value  id.y  time  value
1      23    4.1   11     18   4.3
1      23    4.1   12     25   4.8
2      54    3.9   13     51   4.3
2      54    3.9   14     52   4.0
3      72    4.5   14     70   4.3
3      72    4.5   15     25   4.3

x和y组中的id数比为1：1。

到目前为止的尝试

我正在尝试找到唯一的对，其中任一列均不重复ID。 我努力了

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

这一半有效-我从id.x获得唯一值，但是它们与重复的id.y值匹配，因为我没有指定这些值也必须是唯一的。

我也尝试过

testsample.df <- unique(test.df[,c('icustay_id.x', 'icustay_id.y')])

这导致唯一的对，即不重复每个对，但每个id以所有可能的组合重复多次。

我不确定这是否可能。

部分成功

我最接近的是一个两阶段过程-使用随机唯一ID.y进行二次采样，然后使用以下代码使用唯一ID.x进行二次采样：

subsampled_data <- ddply(test.df,.(test.df$id.y), function(x) 
{x[sample(nrow(x),size=1),]})

subsampled_data2.df <- ddply(subsampled_data,.(subsampled_data$icustay_id.x), 
function(x) {x[sample(nrow(x),size=1),]})

这样做，我成功地获得了只有唯一ID的唯一对。 但是我损失了很多行，从2000年到〜1000。

是否有可能找到具有唯一ID的唯一对，而又不会在每个步骤中丢失那么多？

谢谢！

Answer 1

我不确定您的预期输出是多少。 但是希望这会有所帮助。

样本数据：

df <- data.frame(id.x = c(1,1,2,2,3,3), id.y = c(11,12,13,13,13,13))

id.x唯一值：

df <- df[!duplicated(df$id.x), ]

  id.x id.y
1    1   11
3    2   13
5    3   13

现在我们在id.y仍然有重复id.y并执行

df <- df[!duplicated(df$id.y), ]

删除它们。

这导致：

  id.x id.y
1    1   11
3    2   13

或使用dplyr ：

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

收益：

  id.x id.y
1    1   11
2    2   13