有限制地刪除r中重復的觀測值

Question

我有一個數據集，其中包含ident變量的重復項。 我只需要為每個標識選擇1個觀測值，並且它必須是最新值，即結果數據應包含對標識的觀測值，其中“年”在初始數據集中最高。

我相信一般情況如下：

1. ident   value   year
 2. A       1       19X1
 3. A       2       19X2
 4. B       4       19X2
 5. B       2       19X1
 6. B       1       19X3
 7. C       1       19X4
 8. C       2       19X1

（我無法在此處在適當的表中訂購它，因此請忽略左側的編號列表）

只有，我有數十萬個觀察員。

所得數據集的順序對我而言並不重要。

Answer 1

使用庫dplyr可以執行以下操作：

library(dplyr)
df %>% group_by(ident) %>% arrange(desc(year)) %>% slice(1)

輸出如下：

Source: local data frame [3 x 4]
Groups: ident [3]

    X1. ident value  year
  (dbl) (chr) (int) (chr)
1     3     A     2  19X2
2     6     B     1  19X3
3     7     C     1  19X4

假設year采用的格式是降序排列，則從最新到最舊。

注意：x1。 列是您上面輸入數據的結果。 我只是按原樣閱讀。

Answer 2

嘗試

df <- do.call(rbind, lapply(split(df, df$ident), 
                            function(x) x[which.max(x$year), ]))