基于行中另一列的特征选择行的R语言操作

Question

So I have the following data.frame

    num      id

1   44982   44979
2   44981   44979
3   43554   43551
4   43552   43551
5   42510   42507
6   42509   42507
7   41997   41994
8   41996   41994
9   40519   40517
10  40519   40517
11  40039   40036
12  40038   40036
13  31337   31335
14  31336   31335
15  31247   31245
16  31246   31245
17  43984   28769
18  28770   28769
19  27620   27618
20  27619   27618

可以看到，“id”列中存在重复项。我想要做的是根据“num”列中最大的值选择要保留哪个副本。因此，在遇到id列中的重复项时，代码会查看num列，找到最高值行并删除最低值。输出应该类似于这样。

        num      id

1       44982   44979
2       43554   43551
3       42510   42507
4       41997   41994
5       40519   40517
6       40039   40036
7       31337   31335
8       31247   31245
9       43984   28769
10      27620   27618
11      27497   27495
12      44317   27374
13      10892   10697
14      10612   10606
15      10445   10443
16      10361   10359
17      10063   10061
18      9673    9671
19      9601    9599
20      8148    8146

提前感谢您的任何帮助

- googleplex101

Answer 1

一个标准的R解决方案如下：

aggregate(num~id, dat, max)

结果：

      id   num
1  27618 27620
2  28769 43984
3  31245 31247
4  31335 31337
5  40036 40039
6  40517 40519
7  41994 41997
8  42507 42510
9  43551 43554
10 44979 44982

您可以使用data.table来实现如下操作：

require(data.table)
setDT(dat)[,.(num = max(num)),by=id]
setDF(dat) #making dat a normal data.frame again

这将返回每个id的最高num值。

- Rentrop

---

哈哈，你在我打字的时候编辑了你的答案。+1 为完整的答案！ - Optimus

太完美了，我忘记了聚合函数！谢谢你们两个的帮助。 - googleplex101

Answer 2

使用 data.table 包的可能更快的方法是先按降序排序num，然后选择唯一的id。

library(data.table)
unique(setorder(setDT(df), -num), by = "id")
#       num    id
#  1: 44982 44979
#  2: 43984 28769
#  3: 43554 43551
#  4: 42510 42507
#  5: 41997 41994
#  6: 40519 40517
#  7: 40039 40036
#  8: 31337 31335
#  9: 31247 31245
# 10: 27620 27618

- David Arenburg

Answer 3

你可以按最大值汇总。

maxids <- aggregate(df$num, by=list(df$id), max) # get highest num for each id
names(maxids) <- c("id", "num") # rename result columns

或者如上所示（在一步中）：

maxids <- aggregate(num~id, df, max)

- Optimus

Answer 4

而且，仅供参考，这里是一个dplyr答案：

library(dplyr)
DF %>% group_by(id) %>% slice(which.max(num))
#Source: local data frame [10 x 2]
#Groups: id
#
#     num    id
#1  27620 27618
#2  43984 28769
#3  31247 31245
#4  31337 31335
#5  40039 40036
#6  40519 40517
#7  41997 41994
#8  42510 42507
#9  43554 43551
#10 44982 44979

- talat