如何删除R中存在重复并满足另一个条件的行？

Question

我不知道这是否是一个过于具体的问题，但我希望删除在一列中有重复的行，并满足一个条件。

具体来说，我想删除“host_id”（数字）列中的重复观察之一，其中“reviews_per_month”（数字）列中的值最低。

换句话说，正如我的报告中所描述的：“由于一个主机可以有多个房源，因此出现多次的主机ID将被过滤。每月评论最多的该主机ID的列表用于分析”。

我已经尝试了很多事情，使用 duplicated()、filter()、ifelse()、casewhen() 等，但它似乎不起作用。 有谁知道如何开始？ 提前致谢！

Answer 1

我们可以使用slice_max 。 按'host_id'分组，将reviews_per_month为max的行slice

library(dplyr)
df %>%
   group_by(host_id) %>%
   slice_max(reviews_per_month)

或者如果是单独删除min观察

df %>%
   group_by(host_id) %>%
   filter(reviews_per_month != min(reviews_per_month, na.rm = TRUE))

Answer 2

尝试这个：

df <- data.frame(x = c("a", "a", "b", "b"), y = c(1, 2, 2, 1)) # Test data

library(dplyr)

df %>% 
  distinct(x, .keep_all = T)
# Wrong!

df %>% 
  arrange(-y) %>% 
  distinct(x, .keep_all = T)
# This is how you want to have it

更详细一点：您只希望在host_id变量中有一个条目（上面示例中的x ），因此您需要使用distinct() 。 但是distinct()只保留输入 distinct 的变量的第一次观察（在您的情况下： host_id ），因此您必须首先以递减方式对数据进行排序。 我在示例中使用了arrange(-y) ，您应该将y替换为reviews_per_month 。