R - 按組划分的不同值列 dplyr

Question

我有以下 DataFrame，（這只是前 10 行）。

   date_fichier pitd   pce   frequence date_debut segment profil   car    b1    b2    b3     s1     s2     s3
          <dbl> <chr>  <chr> <chr>     <chr>      <chr>   <chr>  <dbl> <dbl> <dbl> <dbl>  <dbl>  <dbl>  <dbl>
 1 201901030315 GD0991 0110~ 1M        2019-01-02 RES     P012    9253     2     2     1 5.72e6 5.72e6 5.54e6
 2 201901030315 GD0991 0115~ 1M        2019-01-02 RES     P011     419     1     1     1 8.02e3 8.02e3 1.90e5
 3 201901030315 GD0991 0117~ 6M        2019-01-02 RES     P012   12226     2     2     1 5.72e6 5.72e6 5.54e6
 4 201901030315 GD0991 0119~ 6M        2019-01-02 RES     P012   11912     2     2     1 5.72e6 5.72e6 5.54e6
 5 201901030315 GD0991 0121~ 1M        2019-01-02 RES     P012   15378     2     2     1 5.72e6 5.72e6 5.54e6
 6 201901030315 GD0991 0121~ 6M        2019-01-02 NRES    P012   42220     2     2     1 5.72e6 5.72e6 5.54e6
 7 201901030315 GD1007 0126~ 6M        2019-01-02 RES     P012    6326     1     1     1 2.48e5 2.48e5 5.54e6
 8 201901030315 GD0991 0127~ 1M        2019-01-02 RES     P011      21     1     1     1 8.02e3 8.02e3 1.90e5
 9 201901030315 GD0991 0129~ 1M        2019-01-02 RES     P012    9645     2     2     1 5.72e6 5.72e6 5.54e6
10 201901030315 GD0991 0129~ 6M        2019-01-02 RES     P012   10673     2     2     1 5.72e6 5.72e6 5.54e6

我的個人資料欄的范圍從 P011 到 P019。 每個配置文件的 b1、b2、b3 列范圍從 1 到 7。 這意味着 P011 的 b1 范圍為 1 到 7，b2 和 b3 的范圍也為 1 到 7。其他配置文件也具有相同的 b1、b2 和 b3 范圍。

正如您在上面的頭部看到的示例，第 1、3、4、5、6 行的輪廓為 P012，但它們的 b1 相同，它們的 b1 均為 2。

我想要一個 DataFrame，對於每個配置文件，我都會得到一個不同的 b1、b2 和 b3。

我試過：

f %>%
     group_by(profil) %>%
     distinct(b1, b2, b3, .keep_all =T) %>%
     ungroup() %>%
     dplyr::select(profil, b1, b2, b3 , s1, s2, s3) %>%
     arrange(profil)

  profil    b1    b2    b3      s1      s2      s3
  <chr>  <dbl> <dbl> <dbl>   <dbl>   <dbl>   <dbl>
1 P011       1     1     1    8018    8018  189985
2 P011       2     2     1  181967  181967  189985
3 P012       2     2     1 5715390 5715390 5544269
4 P012       1     1     1  247879  247879 5544269
5 P012       2     2     2 5715390 5715390  419000

但是正如您所看到的，我在第 1 行和第 2 行中為 P011 得到了相同的 b3。

我希望有：

  profil    b1    b2    b3      
  <chr>  <dbl> <dbl> <dbl>   
1 P011       1     1     1   
2 P011       2     2     2  
3 P012       1     1     1  
5 P012       2     2     2 

我怎樣才能做到這一點？

Answer 1

這是一個很好的第一次嘗試。 我的猜測是你在濫用distinct 。 我發現使用它的最簡單方法是distinct(dataframe)返回 dataframe 中所有不同的行。

這為您提供了以下方法：

f %>%
  select(profil, b1, b2, b3) %>%
  distinct() %>%
  arrange(profil, b1, b2, b3)

或者，假設您想要對所有重復項進行計數，或者獲取 profil、b1、b2 和 b3 的每個組合的最大 s1 值。 那么您的代碼將如下所示：

f %>%
  group_by(profil, b1, b2, b3) %>%
  summarise(count = n(),
            largest_s1 = max(s1),
            .groups = "drop") %>% # equivalent to upgroup
  arrange(profil, b1, b2, b3)