如何刪除R中存在重復並滿足另一個條件的行？

Question

我不知道這是否是一個過於具體的問題，但我希望刪除在一列中有重復的行，並滿足一個條件。

具體來說，我想刪除“host_id”（數字）列中的重復觀察之一，其中“reviews_per_month”（數字）列中的值最低。

換句話說，正如我的報告中所描述的：“由於一個主機可以有多個房源，因此出現多次的主機ID將被過濾。每月評論最多的該主機ID的列表用於分析”。

我已經嘗試了很多事情，使用 duplicated()、filter()、ifelse()、casewhen() 等，但它似乎不起作用。 有誰知道如何開始？ 提前致謝！

Answer 1

我們可以使用slice_max 。 按'host_id'分組，將reviews_per_month為max的行slice

library(dplyr)
df %>%
   group_by(host_id) %>%
   slice_max(reviews_per_month)

或者如果是單獨刪除min觀察

df %>%
   group_by(host_id) %>%
   filter(reviews_per_month != min(reviews_per_month, na.rm = TRUE))

Answer 2

嘗試這個：

df <- data.frame(x = c("a", "a", "b", "b"), y = c(1, 2, 2, 1)) # Test data

library(dplyr)

df %>% 
  distinct(x, .keep_all = T)
# Wrong!

df %>% 
  arrange(-y) %>% 
  distinct(x, .keep_all = T)
# This is how you want to have it

更詳細一點：您只希望在host_id變量中有一個條目（上面示例中的x ），因此您需要使用distinct() 。 但是distinct()只保留輸入 distinct 的變量的第一次觀察（在您的情況下： host_id ），因此您必須首先以遞減方式對數據進行排序。 我在示例中使用了arrange(-y) ，您應該將y替換為reviews_per_month 。