[英]Exclude subsequent duplicated rows
我想排除所有重復的行。 但是,只有當它們是后續行時才必須如此。 遵循一個代表性的例子:
我的輸入df
:
df <- "NAME VALUE
Prb1 0.05
Prb2 0.05
Prb3 0.05
Prb4 0.06
Prb5 0.06
Prb6 0.01
Prb7 0.10
Prb8 0.05"
df <- read.table(text=df, header=T)
我的預期outdf
:
outdf <- "NAME VALUE
Prb1 0.05
Prb4 0.06
Prb6 0.01
Prb7 0.10
Prb8 0.05"
outdf <- read.table(text=df, header=T)
rle()
是一個很好的函數,它可以識別相同值的運行,但是將它的輸出轉換為可用的形式可能會很麻煩。 這是一個相對無痛的咒語,適用於你的情況。
df[sequence(rle(df$VALUE)$lengths) == 1, ]
# NAME VALUE
# 1 Prb1 0.05
# 4 Prb4 0.06
# 6 Prb6 0.01
# 7 Prb7 0.10
# 8 Prb8 0.05
可能有很多方法可以解決這個問題,我會嘗試使用data.table
devel版本中的 rleid/unique
組合
library(data.table) ## v >= 1.9.5
unique(setDT(df)[, indx := rleid(VALUE)], by = "indx")
# NAME VALUE indx
# 1: Prb1 0.05 1
# 2: Prb4 0.06 2
# 3: Prb6 0.01 3
# 4: Prb7 0.10 4
# 5: Prb8 0.05 5
或者從評論中提出一些很好的建議:
僅使用新的shift
功能
setDT(df)[VALUE != shift(VALUE, fill = TRUE)]
或者使用duplicated
結合rleid
setDT(df)[!duplicated(rleid(VALUE)), ]
這個怎么樣:
> df[c(T, df[-nrow(df),-1] != df[-1,-1]), ]
NAME VALUE
1 Prb1 0.05
4 Prb4 0.06
6 Prb6 0.01
7 Prb7 0.10
8 Prb8 0.05
這里, df[-nrow(df),-1] != df[-1,-1]
查找包含不同值的連續行對,其余代碼從數據幀中提取它們。
我會使用類似於@NPE的解決方案
df[c(TRUE,abs(diff(df$VALUE))>1e-6),]
當然,您可以使用任何其他容差級別( 1e-6
除外)。
我剛才遇到了這個很好的函數,它首先根據指定的變量標記行:
isFirst <- function(x,...) {
lengthX <- length(x)
if (lengthX == 0) return(logical(0))
retVal <- c(TRUE, x[-1]!=x[-lengthX])
for(arg in list(...)) {
stopifnot(lengthX == length(arg))
retVal <- retVal | c(TRUE, arg[-1]!=arg[-lengthX])
}
if (any(missing<-is.na(retVal))) # match rle: NA!=NA
retVal[missing] <- TRUE
retVal
}
將其應用於您的數據會給出:
> df$first <- isFirst(df$VALUE)
> df
NAME VALUE first
1 Prb1 0.05 TRUE
2 Prb2 0.05 FALSE
3 Prb3 0.05 FALSE
4 Prb4 0.06 TRUE
5 Prb5 0.06 FALSE
6 Prb6 0.01 TRUE
7 Prb7 0.10 TRUE
8 Prb8 0.05 TRUE
然后,您可以在第一列上進行重復數據刪除以獲得預期輸出。
我發現這在過去非常有用,特別是來自SAS背景,這很容易做到。
已有很多好的答案,這里是dplyr
版本:
filter(df,VALUE!=lag(VALUE,default=df$VALUE[1]+1))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.