如何仅针对一个因子级别删除基于 3 列的重复行？

Question

我有一个包含130数据框的列表，每个数据框有27列，每个数据框有2因子级别。 我想删除每个数据框中的重复行，仅基于一个因子级别的3列，保留另一个因子级别中的所有行及其重复项。

我已经根据因子级别对所有数据框进行了排序，然后我尝试仅删除第一个因子级别的重复行。

该列表在列表中的数据帧之间称为x和i索引，其中包含x[[i]] ，其中i从1到130运行。

每个名为temp数据框中的列包含2因子水平， 0或1 。 130数据帧已根据level = 0首先排序，然后level=1 。

for (i in 1:130)
{
x[[i]]$temp <- factor(x[[i]]$temp,levels = c(0,1)) 

# Creating 2 factor levels called `0` and `1` in column called `temp` and index position of the `temp` column is `24`

x[[i]] <- x[[i]][order(x[[i]]$temp),] 

# Ordering all of the dataframes by levels; level = 0 first then level = 1

x[[i]] <- x[[i]][!(duplicated(x[[i]][c(2,27,25)])),] 

# This is removing duplicated based on columns 2,27 and 25, but I to perform this only for the first factor level = 0
}

Answer 1

对于单个数据框，比如说df ，您可以执行以下操作：

library(dplyr)
df %>% distinct(temp, 2, 27, 25, .keep_all = TRUE)

请注意，您不必考虑对因子进行分组，因为如果两个因子的行都具有重复值的列 2、27 和 25，它们仍然是两个不同的列。

这里的关键是参数.keep_all ，它保留剩余的列。 但是请注意，如果剩余的列在某些原因上有所不同，则不确定您返回哪些行，对于temp和第 2、27 和 25 列的每个不同组合，您只会获得 1 行。

要扩展到 data.frames 列表，您可以使用lapply ：

lapply(x, function(df) {
  df %>% distinct(temp, 2, 27, 25, .keep_all = TRUE)
}) %>% bind_rows(.id='date')

其中对bind_rows的最后一次调用只是将所有内容压缩到单个数据框中，并添加.id参数以添加名为date的列，其值应为输入列表中的条目名称。