排除后續重復的行

Question

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)

Answer 1

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

Answer 2

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)), ]

Answer 3

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。

Answer 4

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）。

Answer 5

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。

Answer 6

已有很多好的答案，這里是dplyr版本：

filter(df,VALUE!=lag(VALUE,default=df$VALUE[1]+1))