使用列值从大型数据集中选择特定行

Question

我有一个大数据集（大约 2000 行和 38 列），看起来像这样（某些列中缺少数据）：

     species crab cmass  gill gmass     treatment    months avglw  avgils
222      Cm   65 34.273    p 0.198     Newtons Cove      0 68.108  93.181
223      Cm   57 33.506    p 0.166     Newtons Cove      0 37.908  39.683
225      Cm   65 34.273    p 0.198     Newtons Cove      0 68.108  93.181
231      Cm   62 30.852    p 0.147     Newtons Cove      0 37.285  89.823
239      Cm   65 34.273    p 0.198     Newtons Cove      0 68.108  93.181
240      Cm   57 33.506    p 0.166     Newtons Cove      0 37.908  39.683
241      Cm   62 30.852    p 0.147     Newtons Cove      0 37.285  89.823
242      Cm   63 22.456    p 0.093     Newtons Cove      0 70.005  67.687
243      Cm   59 22.422    p 0.113     Newtons Cove      0 21.834  39.481

每个螃蟹编号有多行，我希望能够对每个螃蟹编号的行进行平均，或者 select 每个螃蟹编号的第一个唯一行，然后排除后续行。

例如：我想对第 222、225、239 行进行平均，因为它们都来自螃蟹“65”；或者：我想 select 第 222 行，然后排除 225 和 239，因为它们来自已经 selected 的螃蟹。

我尝试过使用 unique() 和 sqldf()，但它们都不适合我。

如有任何建议，我们将不胜感激。谢谢！

Answer 1

对于平均值，您可能想尝试将数据放入 data.table，然后应用一个函数：

mydata <- data.table(mydata)
mydata[, lapply(.SD, mean), .SDcols = c("cmass", "gmass"), by = "crab"]

假设您想要获得 cmass 和 gmass 的平均值。

对于你问题的另一部分，我不太确定。您可以尝试只在您感兴趣的列上设置一个键，然后调用 unique:

setkey(mydata, crab)
unique(mydata)

然后它将按 crab 排序，unique 将删除具有重复值 crab 的行。那是你想要的吗？

Answer 2

不清楚预期的输出是什么

library(dplyr)
df1 %>% 
   group_by(species, crab, treatment, gill, months) %>%
   summarise_each(funs(mean=mean(., na.rm=TRUE)))

或者可能是

 df1 %>% 
     group_by(crab) %>% 
     slice(1)

使用列值从大型数据集中选择特定行

Selecting specific rows from a large dataset using column values

r

unique

large-data