如何删除R中的重复行？

Question

我在 R 中有以下数据框（对于任何熟悉 tidyverse 的人来说，这是星球大战样本数据集）

我正在尝试创建一个输出两列的小标题：

homeworld

和

shortest_5

（来自该家乡的最矮的 5 个人的平均身高）。

下面是我的代码；

df<-starwars %>%
  group_by(homeworld) %>%
  filter(!is.na(height), !is.na(homeworld)) %>%
  arrange(desc(height)) %>%
  mutate(last5mean = mean(tail(height, 5))) %>%
  summarize(shortest_5=last5mean, number=n()) %>%
  filter(number>=5, ) 
df

看来我已经成功地做到了（虽然很乱）。我的问题是，虽然我的小标题确实列出了

homeworld

和

shortest_5

，但它重复了相同

homeworld

的多个实例。

似乎是一个简单的修复，但我无法完全理解它！任何帮助将非常感激！

Answer 1

您可以使用

duplicate()

函数删除重复数据

例如

df <- c(1,1,2,3,4,4,5,6,10,10,10)

检查哪些数据是重复的

df[duplicated(df)] # notice it shows 1, 4, and 10 (Note: need to add a comma if your df has more than one column, such as here: New_DF <- df[!duplicated(df),]

删除重复项

New_DF <- df[!duplicated(df)] # all duplicate data removed

Answer 2

您可以大大缩短代码：

df<-starwars %>%
  group_by(homeworld) %>%
  filter(!is.na(height), !is.na(homeworld), n() >=5) %>%
  summarize(shortest_5 = mean(if_else(rank(height) > 5, NA_integer_, height), na.rm = TRUE))

df

# # A tibble: 2 x 2
#   homeworld shortest_5
#   <chr>          <dbl>
# 1 Naboo           151.
# 2 Tatooine        153.

注：

• 我得到的结果与你不同，例如在 Naboo 上，最矮的 5 个字符的高度：96、157、165、165、170。这 5 个值的平均值是 150.6。
• 你不应该有以下价值观：科洛桑，因为来自那个家乡的角色只有 3 个。仅有的两个至少有 5 个角色的家园世界是纳布和塔图因。