使用前两列中相同的数字组合检测行，并选择第三列中具有最高数字的行 [英] Detecting rows with the same combination of numbers in the first two columns, and selecting the one with the highest number in the third column

问题描述

我有一个 data.frame ，只有三列，但有数千行。第一列和第二列报告数字ID，其组合表示链接（例如AB等于BA）。

I have a data.frame with only three columns but with many thousands of rows. The first and the second columns report numerical ID, and their combination indicate a link (e.g. A-B equal to B-A).

现在，我想删除所有行是链接的重复项，选择第三列中具有最高值的行。

Now, I'd like to delete all rows that are duplicates for the link, selecting the row with the highest value in the third column.

以下简单示例：

我的输入 data.frame ：

1   2    100
102 100  20000
100 102  23131
10  19 124444
10  15   1244
19  10   1242
10  19   5635
2   1    666
1   2     33
100 110     23

我的目标是获得：

100 102  23131
10  19 124444
10  15   1244
2   1    666
100 110     23

我试图在 R中找到解决方案R ，否则 postgreSQL 也会好的。
非常感谢！

I' trying to find the solution in R, otherwise postgreSQL would be fine too. Thanks a lot!

推荐答案

这个想法与此相似 。您可以使用 pmin a pmax 创建两个附加列，如下所示：

The idea is similar to this one. You can create two additional columns using pmin an pmax to group as follows:

A data.table 解决方案。但是如果你不想要data.table，那么你仍然可以使用这个想法。但是，很可能你的数据速度比data.table只有R代码的解决方案要快。

A data.table solution. But if you don't want data.table, then you can still use the idea. However, it is highly improbable you get faster than data.table solution with just R code.

# assuming your data.frame is DF
require(data.table)
DT <- data.table(DF)
# get min of V1,V2 on one column and max on other (for grouping)
DT[, `:=`(id1=pmin(V1, V2), id2=pmax(V1, V2))]
# get max of V3
DT.OUT <- DT[, .SD[which.max(V3), ], by=list(id1, id2)]
# remove the id1 and id2 columns
DT.OUT[, c("id1", "id2") := NULL]

#     V1  V2     V3
# 1:   2   1    666
# 2: 100 102  23131
# 3:  10  19 124444
# 4:  10  15   1244
# 5: 100 110     23

这篇关于使用前两列中相同的数字组合检测行，并选择第三列中具有最高数字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！