根据另一列的条件删除一列中重复的行

Question

这是我的数据集的示例；

Date      Time(GMT) Depth Temp  Salinity Density    Phosphate
24/06/2002  1000    1           33.855          0.01
24/06/2002  1000    45          33.827          0.01
01/07/2002  1000    10  13.26   33.104  24.873  0.06
01/07/2002  1000    30  12.01   33.787  25.646  0.13
08/07/2002  1000    5   13.34   33.609  25.248  0.01
08/07/2002  1000    40  12.01   34.258  26.011  1.33
15/07/2002  1000    30  12.04   34.507  26.199  0.01
22/07/2002  1000    5   13.93   33.792  25.269  0.01
22/07/2002  1000    30  11.9    34.438  26.172  0.08
29/07/2002  1000    5   13.23   34.09   25.642  0.01

我想删除重复的行，以便每个日期只有一行，我想根据深度执行此操作，我想保留具有最大（最深）深度的行。有什么想法吗？

Answer 1

假设您在 df 中有数据

df = df[order(df[,'Date'],-df[,'Depth']),]
df = df[!duplicated(df$Date),]

Answer 2

这是在单个 dplyr 调用中完成此操作的一种方法：

# Remove any duplicates
df <- df %>%
  arrange(Date, -Depth) %>%
  filter(duplicated(Date) == FALSE)

Answer 3

引入

data.table

解决方案，这将是解决此问题的最快方法（假设

data

是您的数据集）

library(data.table)
unique(setDT(data)[order(Date, -Depth)], by = "Date")

---

另一种方式：

setDT(data)[data[, .I[which.max(Depth)], by=Date]$V1]

Answer 4

你也可以使用 dplyr 的

arrange()

来代替 order（我觉得它更直观）：

df <- arrange(df, Date, -Depth)
df <- df[!duplicated(df$Date),]

Answer 5

如果您的数据帧很大，这可能不是最快的方法，但这是一种相当简单的方法。这可能会改变数据框的顺序，并且您可能需要重新排序，例如之后的日期。我们不是删除数据，而是按日期分割数据，在每个块中选择具有最大日期的行，最后将结果连接回数据框

data = split(data, data$Date)
data = lapply(data, function(x) x[which.max(x$Depth), , drop=FALSE])
data = do.call("rbind", data)

Answer 6

# First find the maxvalues
maxvals = aggregate(df$Depth~df$Date, FUN=max)
#Now use apply to find the matching rows and separate them out
out = df[apply(maxvals,1,FUN=function(x) which(paste(df$Date,df$Depth) == paste(x[1],x[2]))),]

这对你有用吗？

Answer 7

使用 dplyr 的

distinct

函数的替代方法：

library(dplyr)
df %>% distinct(column, .keep_all = TRUE)