有条件地删除 R 中的行

Question

我有一个数据，其中第一列是一堆 ID 号（有些重复），第二列只是一堆数字。我需要一种方法来根据第二列中的最小数字将每个 ID 号码保留一次。

Row#   ID   Number
1      10     180
2      12     167
3      12     182
4      12     135
5      15     152
6      15     133

例如：我只想保留第 1、4 和 6 行并删除其余行

Answer 1

对于每个 'ID' 组的 selecting 具有最小值 'Number' 的行，我们可以使用一种按组聚合的功能。 base R 选项是 aggregate。对于 aggregate，我们可以使用 'formula' 方法或使用 by 参数指定分组 elements/variables 的 list。使用 formula 方法，我们得到每个 'ID'.

的 'Number' 的 min 值

aggregate(Number~ID, df1, FUN=min)

或者我们可以使用 data.table 更快的选项。在这里，我们将 'data.frame' 转换为 'data.table' (setDT(df1))，按 'ID' 分组，我们得到 "Number" 的 min 值。

library(data.table)
setDT(df1)[, list(Number=min(Number)), by = ID]

或者这也可以通过 setorder 到 order 'Number' 列并使用 unique 和 by 选项到 select第一个非重复的 'ID' 行。（来自@David Arenburgs 的评论）

 unique(setorder(setDT(df1), Number), by = "ID")

或使用 dplyr，我们按 'ID' 分组并获得 summarise.

的子集行

library(dplyr)
df1 %>%
   group_by(ID) %>%
   summarise(Number= min(Number))

或者我们可以使用sqldf语法来获取数据的子集。

library(sqldf)
sqldf('select ID,
        min(Number) as Number
        from df1 
        group by ID')

更新

如果有多个列，并且你想根据每个'ID'的最小值'Number'获取行，你可以使用which.min。使用 .I 将获取行索引，可用于对行进行子集化。

setDT(df1)[df1[,  .I[which.min(Number)], by = ID]$V1]

或者对于 dplyr 我们使用 slice 过滤掉每个 'ID'[=39= 的 min 值为 'Number' 的行]

df1 %>% 
    group_by(ID) %>%
    slice(which.min(Number))

Answer 2

或者

do.call(rbind, 
lapply(split(df1, df1$ID), function(x) subset(x, Number == min(Number))))

#ID Number
#10 10    180
#12 12    135
#15 15    133

有条件地删除 R 中的行

Deleting rows in R conditionally

conditional

r

delete-row

更新