過濾具有不匹配變量值的重復行 .in R

Question

我正在嘗試過濾一些重復的行，我需要過濾不匹配的重復項。

這是示例數據集。

df <- data.frame(
         id =  c(1,2,2,3,4,5,5,6),
         cat = c(3,3,4,5,2,2,1,5),
  actual.cat = c(3,4,4,5,2,1,1,7))

> df
  id cat    actual.cat
1  1   3          3
2  2   3          4
3  2   4          4
4  3   5          5
5  4   2          2
6  5   2          1
7  5   1          1
8  6   5          7

所以，每個 id 都有cat和actual.cat 。 當有重復的id ，我需要過濾不匹配的行。

這里有我需要的。

> df
  id cat     actual.cat
  1   3          3
  2   3          4
  3   5          5
  4   2          2
  5   2          1
  6   5          7

對此有何想法？

謝謝！

Answer 1

我們可以通過操作和filter進行分組

library(dplyr)
df %>% 
     group_by(id) %>%
     filter(n() > 1 & cat != actual.cat|n() == 1)

-輸出

# A tibble: 6 x 3
# Groups:   id [6]
#     id   cat actual.cat
#  <dbl> <dbl>      <dbl>
#1     1     3          3
#2     2     3          4
#3     3     5          5
#4     4     2          2
#5     5     2          1
#6     6     5          7

---

或使用base R

subset(df, id %in% names(which(table(id) > 1)) & 
     cat != actual.cat| id %in% names(which(table(id) == 1)))

Answer 2

在基礎 R 中，您可以使用帶有ave subset來選擇每個id中的行，其中每組中的行數為 1 或cat不等於actual.cat 。

subset(df, ave(cat != actual.cat, id, FUN = function(x) length(x) == 1 | x))

#  id cat actual.cat
#1  1   3          3
#2  2   3          4
#4  3   5          5
#5  4   2          2
#6  5   2          1
#8  6   5          7

您還可以在data.table編寫此邏輯：

library(data.table)
setDT(df)[, .SD[.N == 1 | cat != actual.cat], id]