dplyr을 사용하여 중복 행 제거

나는 이와 같은 data.frame을 가지고있다-

set.seed(123)
df = data.frame(x=sample(0:1,10,replace=T),y=sample(0:1,10,replace=T),z=1:10)
> df
   x y  z
1  0 1  1
2  1 0  2
3  0 1  3
4  1 1  4
5  1 0  5
6  0 1  6
7  1 0  7
8  1 0  8
9  1 0  9
10 0 1 10

처음 두 열을 기준으로 중복 행을 제거하고 싶습니다. 예상 출력-

df[!duplicated(df[,1:2]),]
  x y z
1 0 1 1
2 1 0 2
4 1 1 4

구체적으로 dplyr패키지를 사용하는 솔루션을 찾고 있습니다.

참고 : dplyr이제이 distinct목적을위한 기능이 포함되어 있습니다 .

아래의 원래 답변 :

library(dplyr)
set.seed(123)
df <- data.frame(
  x = sample(0:1, 10, replace = T),
  y = sample(0:1, 10, replace = T),
  z = 1:10
)

한 가지 방법은 그룹화 한 다음 첫 번째 행만 유지하는 것입니다.

df %>% group_by(x, y) %>% filter(row_number(z) == 1)

## Source: local data frame [3 x 3]
## Groups: x, y
## 
##   x y z
## 1 0 1 1
## 2 1 0 2
## 3 1 1 4

(dplyr 0.2에서는 더미 z변수 가 필요하지 않으며 쓸 수 있습니다 row_number() == 1)

또한 slice()다음과 같은 기능을 추가하는 것에 대해 생각했습니다 .

df %>% group_by(x, y) %>% slice(from = 1, to = 1)

또는 그 변형 unique()으로 사용할 변수를 선택할 수 있습니다.

df %>% unique(x, y)

다음을 사용하는 솔루션이 dplyr >= 0.5있습니다.

library(dplyr)
set.seed(123)
df <- data.frame(
  x = sample(0:1, 10, replace = T),
  y = sample(0:1, 10, replace = T),
  z = 1:10
)

> df %>% distinct(x, y, .keep_all = TRUE)
    x y z
  1 0 1 1
  2 1 0 2
  3 1 1 4

완전성을 위해 다음도 작동합니다.

df %>% group_by(x) %>% filter (! duplicated(y))

그러나 나는를 사용하는 솔루션을 선호하며 distinct더 빠르다고 생각합니다.

대부분의 경우 distinct()이미 제안 된 것처럼 최상의 솔루션은 dplyr에서 사용 하는 것입니다.

그러나 slice()dplyr 의 함수 를 사용하는 또 다른 방법이 있습니다.

# Generate fake data for the example
  library(dplyr)
  set.seed(123)
  df <- data.frame(
    x = sample(0:1, 10, replace = T),
    y = sample(0:1, 10, replace = T),
    z = 1:10
  )

# In each group of rows formed by combinations of x and y
# retain only the first row

    df %>%
      group_by(x, y) %>%
      slice(1)

distinct()기능 사용과의 차이점

이 솔루션의 장점은 원래 데이터 프레임에서 어떤 행이 유지되는지 명시 적으로 만들고 arrange()함수 와 잘 어울릴 수 있다는 것입니다.

고객 판매 데이터가 있고 고객 당 하나의 레코드를 유지하려고하며 해당 레코드가 최근 구매의 레코드가 되길 원한다고 가정 해 봅시다. 그럼 당신은 쓸 수 있습니다 :

customer_purchase_data %>%
   arrange(desc(Purchase_Date)) %>%
   group_by(Customer_ID) %>%
   slice(1)

축소 된 데이터 세트에 대해 R에서 열을 선택할 때 종종 중복으로 끝날 수 있습니다.

이 두 줄은 같은 결과를 제공합니다. 각각 두 개의 선택된 열만있는 고유 한 데이터 세트를 출력합니다.

distinct(mtcars, cyl, hp);

summarise(group_by(mtcars, cyl, hp));

당신이 사용할 수있는 중복되는 행 찾으려는 경우 find_duplicates에서를 hablar:

library(dplyr)
library(hablar)

df <- tibble(a = c(1, 2, 2, 4),
             b = c(5, 2, 2, 8))

df %>% find_duplicates()