条件删除行：删除准相同但不相同的行

Question

我有一个数据框，我需要根据行中 "quasi-identical" 的两个值对其进行净化。我只需要删除不同但不相同的观察结果。我尝试使用 agrep 执行此操作，但此函数也会删除相同的观察结果。

Id<-c("RoLu1976","Rolu1976","RoLu1976","AlBl1989","ThSa1996")
Art<-c("Econometric Policy Evaluation: A Critique","Econometric Policy Evaluations A Critique","Econometric Policy Evaluation: A Critique", "Rules after discretion", "Expectations and the Nonneutrality of Lucas")
Id.1<-c("FiKy1989","FiKy1989","BeBe1983","JoSt1989","JoSt1990")
Art.1<-c("Notes on the Lucas Critique","Notes on the Lucas Critique","The Inconsistency of Optimal Plans","The Inconsistency","Notes on the Lucas")
N<-data.frame(Id,Art,Id.1,Art.1)

上面dataframe中的准相同值在第一个观察的Art列中，仅s和:不同。

在上述情况下，最终数据框应该是（注意相同的值没有被删除）：

Id        Art                                          Id.1       Art.1
RoLu1976  Econometric Policy Evaluation: A Critique    FiKy1989   Notes on the Lucas Critique
RoLu1976  Econometric Policy Evaluation: A Critique    BeBe1983   The Inconsistency of Optimal Plans
AlBl1989  Rules after discretion                       JoSt1989   The Inconsistency
ThSa1996  Expectations and the Nonneutrality of Lucas  JoSt1990   Notes on the Lucas

我做的是：

yy = NULL
for(i in 1:length(N$Art)){
  temp = agrep(N[i,"Art"],N$Art,value=T)
  y = ifelse(any(N[i,"Art"]==temp),temp[1],N[i,"Art"])
  yy = c(yy,y)
}
N$Art = yy
N.2 = N[!duplicated(N$Art), ]

但它删除了两个值：相同和准相同。

我该怎么做？

Answer 1

你可以把原来的Art列中相同的东西的索引存起来，和去重后的结果结合使用，例如

originallyDuplicated <- duplicated(N$Art)
# then run your snippet to generate `yy`

所以你想摆脱现在但原来.

重复的东西

N[!(duplicated(yy) & !originallyDuplicated),]

虽然在我看来，与其将排除标准完全基于 Art 列，不如排除行更有意义，如果每列该行在 table 的其他地方重复（或几乎重复）。（例如，也比较 Art.1、Id.1、ID 等列？）

条件删除行：删除准相同但不相同的行

Conditional delete rows: delete the quasi-identical rows but not the identical

r

string-matching

delete-row

dataframe