Removing/collapsing R 中的重复行

Question

我正在使用从其他地方复制的以下 R 代码 (https://support.bioconductor.org/p/70133/)。似乎非常适合我希望做的事情（这是数据集中 remove/collapse 的重复项），但我不明白最后一行。我想知道重复 removed/collapsed 的依据是什么。有人评论说它是基于中值绝对偏差 (MAD)，但我没有遵循这一点。谁能帮我理解一下，好吗？

 Probesets=paste("a",1:200,sep="")
 Genes=sample(letters,200,replace=T)
 Value=rnorm(200)
 X=data.frame(Probesets,Genes,Value)
 X=X[order(X$Value,decreasing=T),]
 Y=X[which(!duplicated(X$Genes)),]

Answer 1

您确定要删除那些 Genes 值重复的行吗？这至少是这段代码的作用：

Y=X[which(!duplicated(X$Genes)),]

因此，Y仅包含唯一的 Genes 值。如果你比较 nrow(Y) 和 length(unique(X$Genes)) 你会发现结果是一样的：

nrow(Y); length(unique(X$Genes))
[1] 26
[1] 26

如果您想删除所有列中包含重复值的行，这可以说是重复行的定义，那么您可以这样做：

Y=X[!duplicated(X),]

要了解其工作原理，请考虑以下示例：

df <- data.frame(
  a = c(1,1,2,3),
  b = c(1,1,3,4)
)
df
  a b
1 1 1
2 1 1
3 2 3
4 3 4

df[!duplicated(df),]
  a b
1 1 1
3 2 3
4 3 4

Answer 2

您的代码正在保存包含每个基因最大值的记录。

Removing/collapsing R 中的重复行

Removing/collapsing duplicate rows in R

r

duplicates

median

deviation