使用dplyr删除重复的行 [英] Remove duplicated rows using dplyr

问题描述

我有一个这样的数据框架。

I have a data.frame like this -

set.seed(123)
df = data.frame(x=sample(0:1,10,replace=T),y=sample(0:1,10,replace=T),z=1:10)
> df
   x y  z
1  0 1  1
2  1 0  2
3  0 1  3
4  1 1  4
5  1 0  5
6  0 1  6
7  1 0  7
8  1 0  8
9  1 0  9
10 0 1 10

我想根据前两列删除重复的行。预期输出 -

I would like to remove duplicate rows based on first two columns. Expected output -

df[!duplicated(df[,1:2]),]
  x y z
1 0 1 1
2 1 0 2
4 1 1 4

I我正在专门寻找使用 dplyr 包的解决方案。

I am specifically looking for a solution using dplyr package.

推荐答案

library(dplyr)
set.seed(123)
df <- data.frame(
  x = sample(0:1, 10, replace = T),
  y = sample(0:1, 10, replace = T),
  z = 1:10
)

一种方法是分组，然后只保留单个
行的组：

One approach would be to group, and then only keep groups with a single row:

df %>% group_by(x, y) %>% filter(row_number(z) == 1)

## Source: local data frame [3 x 3]
## Groups: x, y
## 
##   x y z
## 1 0 1 1
## 2 1 0 2
## 3 1 1 4

（在dplyr 0.2中，你不需要虚拟的 z 变量，只需
即可写入 row_number（）== 1 ）

(In dplyr 0.2 you won't need the dummy z variable and will just be able to write row_number() == 1)

我也有一直在考虑添加
的 slice（）函数，如：

I've also been thinking about adding a slice() function that would work like:

df %>% group_by(x, y) %>% slice(from = 1, to = 1)

或者可以使用 unique（）的变体，让您选择要使用哪个
变量：

Or maybe a variation of unique() that would let you select which variables to use:

df %>% unique(x, y)

这篇关于使用dplyr删除重复的行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！