R，有条件地删除重复行

Question

我有一个R dataframe包含ID.A、ID.B和DISTANCE三个列，其中distance表示ID.A和ID.B之间的距离。对于每个ID.A值（1-n），可能存在多个ID.B和DISTANCE值（即ID.A中可能有多个重复行，例如所有值为4的行，该行中有不同的ID.B和distance）。

我想要删除ID.A重复的行，但是有条件地删除，条件是保留每个ID.A记录的最小distance值。

希望这样表述清楚了？

非常感谢！

编辑

希望例子比我的文字更有用。在这里，我想删除ID.A=3时的第二行和第三行：

myDF <- read.table(text="ID.A ID.B DISTANCE
  1 3 1
  2 6 8
  3 2 0.4
  3 3 1
  3 8 5
  4 8  7
  5 2 11", header = TRUE)

- JSnf2012

Answer 1

您可以在基本的R语言中轻松完成此操作。如果dat是您的数据框，

do.call(rbind, 
        by(dat, INDICES=list(dat$ID.A), 
           FUN=function(x) head(x[order(x$DISTANCE), ], 1)))

- Matthew Plourde

Answer 2

一种可能性：

myDF <- myDF[order(myDF$ID.A, myDF$DISTANCE), ] 

newdata <- myDF[which(!duplicated(myDF$ID.A)),]

这提供了：

    ID.A ID.B DISTANCE
1    1    3      1.0
2    2    6      8.0
5    3    2      0.4
6    4    8      7.0
7    5    2     11.0

- Davi Moreira

Answer 3

你可以使用plyr软件包来实现这一点。例如，如果你的数据如下：

d <- data.frame(id.a=c(1,1,1,2,2,3,3,3,3),
                id.b=c(1,2,3,1,2,1,2,3,4),
                dist=c(12,10,15,20,18,16,17,25,9))

  id.a id.b dist
1    1    1   12
2    1    2   10
3    1    3   15
4    2    1   20
5    2    2   18
6    3    1   16
7    3    2   17
8    3    3   25
9    3    4    9

您可以像这样使用ddply函数：

library(plyr)
ddply(d, "id.a", function(df) return(df[df$dist==min(df$dist),]))

这给出了：

  id.a id.b dist
1    1    2   10
2    2    2   18
3    3    4    9

- juba