R 使用 distinct() 丢失数据

Question

使用 distinct 删除组合数据集中的重复项，但是我丢失了数据，因为 distinct 只保留第一个条目。

示例数据框"a"

 SiteID PYear   Habitat num.1
000901W 2011    W   NA
001101W 2007    W   NA
001801W 2005    W   NA
002001W 2017    W   NA
002401F 2006    F   NA
002401F 2016    F   NA
004001F 2006    F   NA
004001W 2006    W   NA
004101W 2007    W   NA
004101W 2007    W   16
004701F 2017    F   NA
006201F 2008    F   NA
006501F 2009    F   NA
006601W 2007    W   2
006601W 2007    W   NA
006803F 2009    F   NA
007310F 2018    F   NA
007602W 2017    W   NA
008103W 2011    W   NA
008203F 2007    F   1

编码：

a<-distinct(a,SiteID, .keep_all = TRUE)

我想知道如何根据 SiteID 和 num.1 删除重复项，但是我不想删除在 num.1 列中具有数值的重复项。例如，在数据框中 004101W 和 006601W 有多个条目，但我想保留整数而不是 NA。

Answer 1

（感谢您更新更具代表性的样本数据！）

a 现在有 20 行，有 17 个不同的 SiteID 值。

其中三个 SiteID 有多行：

library(tidyverse)
a %>% 
  add_count(SiteID) %>%
  filter(n > 1)

## A tibble: 6 x 5
#  SiteID  PYear Habitat num.1     n
#  <chr>   <int> <chr>   <int> <int>
#1 002401F  2006 F          NA     2    # Both have NA for num.1
#2 002401F  2016 F          NA     2    #  ""

#3 004101W  2007 W          NA     2    # Drop 
#4 004101W  2007 W          16     2    # Keep this one

#5 006601W  2007 W           2     2    # Keep this one
#6 006601W  2007 W          NA     2    # Drop

如果我们想对 num.1 中没有 NA 的行进行优先排序，我们可以 arrange 每个 SiteID 中的 num.1，这样每个 SiteID 的 NA 排在最后，distinct 函数将优先使用非 NA 值的 num.1。

（如果您想保留 a 中的原始排序，但仍将 num.1 中的 NA 值移动到末尾，还提供了一种替代方法。在 is.na(num.1) 项中，NA 的将评估为 TRUE 并在提供的值之后出现，这将评估为 FALSE。）

a %>% 
  arrange(SiteID, num.1) %>%
  #arrange(SiteID, is.na(num.1)) %>%    # Alternative to preserve orig order
  distinct(SiteID, .keep_all = TRUE)

    SiteID PYear Habitat num.1
1  000901W  2011       W    NA
2  001101W  2007       W    NA
3  001801W  2005       W    NA
4  002001W  2017       W    NA
5  002401F  2006       F    NA     # Kept first appearing row, since both NA num.1
6  004001F  2006       F    NA
7  004001W  2006       W    NA
8  004101W  2007       W    16     # Kept non-NA row
9  004701F  2017       F    NA
10 006201F  2008       F    NA
11 006501F  2009       F    NA
12 006601W  2007       W     2     # Kept non-NA row
13 006803F  2009       F    NA
14 007310F  2018       F    NA
15 007602W  2017       W    NA
16 008103W  2011       W    NA
17 008203F  2007       F     1

示例数据的导入

a <- read.table(header = T, stringsAsFactors = F,
  text = " SiteID PYear   Habitat num.1
000901W 2011    W   NA
001101W 2007    W   NA
001801W 2005    W   NA
002001W 2017    W   NA
002401F 2006    F   NA
002401F 2016    F   NA
004001F 2006    F   NA
004001W 2006    W   NA
004101W 2007    W   NA
004101W 2007    W   16
004701F 2017    F   NA
006201F 2008    F   NA
006501F 2009    F   NA
006601W 2007    W   2
006601W 2007    W   NA
006803F 2009    F   NA
007310F 2018    F   NA
007602W 2017    W   NA
008103W 2011    W   NA
008203F 2007    F   1")

R 使用 distinct() 丢失数据

R losing data with distinct()

r

distinct

示例数据的导入