如何在R中使用dplyr清除相似觀測值的數據

Question

我正在使用Rfacebook通過R從Facebook API中提取一些內容。盡管有時它們在facebook中僅出現1次，但有時還是會發回兩三遍。 我的檢索器可能出現了一些問題。 我已經提取了很多數據，並且不想重新運行爬網。 所以我在考慮清理我的數據。

dplyr有什么方便的方法嗎？

我得到的數據如下所示：

Name            message           created_time                   id

Sam             Hello World       2013-03-09T19:52:22+0000       26937808
Nicky           Hello Sam         2013-03-09T19:53:16+0000       26930800
Nicky           Hello Sam         2013-03-09T19:53:16+0000       26930800
Nicky           Hello Sam         2013-03-09T19:53:16+0000       26930800
Sam             Whats Up?         2013-03-09T19:53:22+0000       26937806
Sam             Whats Up?         2013-03-09T19:53:22+0000       26937806
Florence        Hi guys!          2013-03-09T19:55:16+0000       25688232
Steff           How r u?          2013-03-09T19:59:16+0000       64552194

我現在想有一個新的數據框架，其中每個帖子僅出現一次，以便將Nicky的三個“雙重”帖子減少到一個，而Sam的兩個雙重帖子也減少到一個帖子。

任何想法或建議如何在R中執行此操作？ 看來Facebook正在為帖子和評論提供唯一的ID，以及時間戳在我的數據中幾乎是唯一的。 兩者都將用於識別。 但是，我仍然不清楚如何最好地進行轉換...

對此的任何幫助都將受到高度贊賞！

謝謝！

Answer 1

如果使用dplyr ，則可以簡單地使用distinct() （另請參見本主題 ）。

Answer 2

如果重復項是基於特定的列，則可以使用unique with by選項

library(data.table)
unique(setDT(df1), by = c("Name", "message"))

或者如果是整個數據集，則可以使用base R unique

unique(df1)