[英]How to remove duplicates in R
我有一个非常大的数据集,它看起来如下所示: df <- data.frame(school=c("a", "a", "a", "b","b","c","c","c"), year=c(3,3,1,4,2,4,3,1), GPA=c(4,4,4,3,3,3,2,2))
school year GPA
a 3 4
a 3 4
a 1 4
b 4 3
b 2 3
c 4 3
c 3 2
c 1 2
我希望它看起来像:
school year GPA
a 3 4
a 3 4
b 4 3
c 4 3
所以基本上,我想要的是每个特定的学校,我想要他们的顶尖学生(学生),无论GPA如何。
我努力了:
new_df <- df[!duplicated(paste(df[,1],df[,2])),]
但这给了我学校和学校之间的独特组合。
而下面的那个给了我独特的学校new_df2 <- df[!duplicated(df$school),]
使用plyr
库
require(plyr)
ddply(df,.(school),function(x){x[x$year==max(x$year),]})
> ddply(df,.(school),function(x){x[x$year==max(x$year),]})
school year GPA
1 a 3 4
2 a 3 4
3 b 4 3
4 c 4 3
或基地
test<-lapply(split(df,df$school),function(x){x[x$year==max(x$year),]})
out<-do.call(rbind,test)
> out
school year GPA
a.1 a 3 4
a.2 a 3 4
b b 4 3
c c 4 3
说明: split
将数据框拆分为学校列表。
dat<-split(df,df$school)
> dat
$a
school year GPA
1 a 3 4
2 a 3 4
3 a 1 4
$b
school year GPA
4 b 4 3
5 b 2 3
$c
school year GPA
6 c 4 3
7 c 3 2
8 c 1 2
对于每所学校,我们希望成员在最佳年份。
dum.fun<-function(x){x[x$year==max(x$year),]}
> dum.fun(dat$a)
school year GPA
1 a 3 4
2 a 3 4
lapply
将函数应用于列表成员并输出列表
> lapply(split(df,df$school),function(x){x[x$year==max(x$year),]})
$a
school year GPA
1 a 3 4
2 a 3 4
$b
school year GPA
4 b 4 3
$c
school year GPA
6 c 4 3
这是我们想要的,但是以列表形式。 我们需要将列表的成员绑定在一起。 我们通过使用do.call
连续调用成员上的rbind
来完成此操作。
对于这种事情,我是by
声明(见?by
)的粉丝。 df
在df$school
的基础上分组,然后返回代表max(year)
的每个学校的行。
> by(df,df$school,function(x) x[x$year==max(x$year),])
df$school: a
school year GPA
1 a 3 4
2 a 3 4
------------------------------------------------------------
df$school: b
school year GPA
4 b 4 3
------------------------------------------------------------
df$school: c
school year GPA
6 c 4 3
do.call(rbind...
只是加入从by
语句返回的每个学校的结果。
do.call(rbind,by(df,df$school,function(x) x[x$year==max(x$year),]))
school year GPA
a.1 a 3 4
a.2 a 3 4
b b 4 3
c c 4 3
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.