R - 保留其首次出现索引的计数重复行
问题描述:
我一直在寻找一种有效的方法来统计和删除数据框中的重复行,同时保留首次出现的索引。 举例来说,如果我有一个数据帧:R - 保留其首次出现索引的计数重复行
df<-data.frame(x=c(9.3,5.1,0.6,0.6,8.5,1.3,1.3,10.8),y=c(2.4,7.1,4.2,4.2,3.2,8.1,8.1,5.9))
ddply(df,names(df),nrow)
给我
x y V1
1 0.6 4.2 2
2 1.3 8.1 2
3 5.1 7.1 1
4 8.5 3.2 1
5 9.3 2.4 1
6 10.8 5.9 1
但我想保持复制行的原始指标(与该行的名字一起)。像:
x y V1
1 9.3 2.4 1
2 5.1 7.1 1
3 0.6 4.2 2
5 8.5 3.2 1
6 1.3 8.1 2
8 10.8 5.9 1
“复制” 返回原始rownames(此处{1 2 3 5 6 8}),但犯规数OCCURENCES的数量。我试着自己编写函数,但没有一个能够处理大数据。我的数据框可以有几百万行(尽管列通常是5到10)。
答
如果你想保持指数:
library(data.table)
setDT(df)[,.(.I, .N), by = names(df)][!duplicated(df)]
# x y I N
#1: 9.3 2.4 1 1
#2: 5.1 7.1 2 1
#3: 0.6 4.2 3 2
#4: 8.5 3.2 5 1
#5: 1.3 8.1 6 2
#6: 10.8 5.9 8 1
或者使用data.table
小号unique
方法
unique(setDT(df)[,.(.I, .N), by = names(df)], by = names(df))
+0
太棒了!这是我想要的。谢谢。我会更新我正在用其他方法比较他们所面临的效率问题。 – Ira
答
我们可以试着data.table
。我们将'data.frame'转换为'data.table'(setDT(df)
),按'x','y'列分组,我们得到了nrow(.N
)。
library(data.table)
setDT(df)[, list(V1=.N), by = .(x,y)]
# x y V1
#1: 9.3 2.4 1
#2: 5.1 7.1 1
#3: 0.6 4.2 2
#4: 8.5 3.2 1
#5: 1.3 8.1 2
#6: 10.8 5.9 1
如果我们需要的行ID,
setDT(df)[, list(V1= .N, rn=.I[1L]), by = .(x,y)]
# x y V1 rn
#1: 9.3 2.4 1 1
#2: 5.1 7.1 1 2
#3: 0.6 4.2 2 3
#4: 8.5 3.2 1 5
#5: 1.3 8.1 2 6
#6: 10.8 5.9 1 8
或者
setDT(df, keep.rownames=TRUE)[, list(V1=.N, rn[1L]), .(x,y)]
我想你从你的解决方案从重复的职位。我想知道为什么你没有仔细研究其余的解决方案。 –
我看过很多解决方案,但无法找到“保持重复的第一次出现”的地方。由于我无权在旧帖子中添加评论,并且在“答案”框中询问“问题”会出错,所以我必须创建一个新帖子。经过6天的努力,我问了这个问题。 – Ira
哦,我明白了。我没有注意到你也想要你的行名。 –