我有一个数据，第一列是一堆ID数字（有些重复），第二列是一堆数字。我需要一种方法来根据第二列中的最小编号仅将每个ID编号保留一次。
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，然后删除其余的行
为了选择每个“ ID”组具有最小“ Number”的行，我们可以使用按组聚合功能之一。一个base R选项是aggregate。使用aggregate，我们可以使用“公式”方法，也可以通过参数指定list分组元素/变量by。使用该formula方法，我们min为每个“ ID”获得“ Number”的值。
aggregate(Number~ID, df1, FUN=min)
或者，我们可以对使用更快的选项data.table。在这里，我们将“ data.frame”转换为“ data.table”（setDT(df1)），并按“ ID”分组，得到min“ Number”的值。
library(data.table)
setDT(df1)[, list(Number=min(Number)), by = ID]
或者，这可以与也做setorder对order了“数”栏，并使用unique与by选项，选择第一个非重复的“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，并使用来获得子集行summarise。
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')
如果有多列，并且您希望基于每个“ ID”的“ Number”的最小值来获取行，则可以使用which.min。使用.I将获取行索引，并且可以用于子集行。
setDT(df1)[df1[, .I[which.min(Number)], by = ID]$V1]
或者使用，dplyr我们slice可以过滤出min每个“ ID”的值为“ Number”的行
df1 %>%
group_by(ID) %>%
slice(which.min(Number))
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句