按组获取唯一值的行

Question

我有一个数据表，想要挑选出其中某个变量x的值相对于另一个变量y是唯一的行。

可以通过以下方式在另一个数据集中获取按y分组的唯一x值：

dt[,unique(x),by=y]

但是我希望挑选原数据集中满足此条件的行。我不想创建一个新的data.table，因为我还需要其他变量。

那么，我在代码中需要添加什么来获取符合上述条件的 dt 行？

dt <- data.table(y=rep(letters[1:2],each=3),x=c(1,2,2,3,2,1),z=1:6) 

   y x z
1: a 1 1
2: a 2 2
3: a 2 3
4: b 3 4
5: b 2 5
6: b 1 6

我想要的:

   y x z
1: a 1 1
2: a 2 2
3: b 3 4
4: b 2 5
5: b 1 6

- beginneR

Answer 1

惯用的 data.table 方法是：

require(data.table)
unique(dt, by = c("y", "x"))
#    y x z
# 1: a 1 1
# 2: a 2 2
# 3: b 3 4
# 4: b 2 5
# 5: b 1 6

- Arun

Answer 2

data.table 在使用 duplicated 函数时略有不同。以下是我在这里看到的一种方法：

dt <- data.table(y=rep(letters[1:2],each=3),x=c(1,2,2,3,2,1),z=1:6) 
setkey(dt, "y", "x")
key(dt)
# [1] "y" "x"
!duplicated(dt)
# [1]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
dt[!duplicated(dt)]
#    y x z
# 1: a 1 1
# 2: a 2 2
# 3: b 1 6
# 4: b 2 5
# 5: b 3 4

- A5C1D2H2I1M1N2O1R2T1

---

顺便说一句，Steve已经在data.table中的duplicated和unique函数中添加了by参数，所以在下一个版本中，您可以指定要测试哪些列：unique(dt,by=c("y","x"))。在R-Forge上的v1.8.9中。默认情况下，by是key(dt)，因此如果未提供by，它将像以前一样工作。 - Matt Dowle

但是在设置了键之后，identical(unique(dt),dt[!duplicated(dt)]) 是正确的，那为什么不使用 unique 呢？ - Frank

Answer 3

更简单的 data.table 解决方案是获取每个组的第一个元素。

> dt[, head(.SD, 1), by=.(y, x)]
   y x z
1: a 1 1
2: a 2 2
3: b 3 4
4: b 2 5
5: b 1 6

- user295691

Answer 4

感谢dplyR

library(dplyr)
col1 = c(1,1,3,3,5,6,7,8,9)
col2 = c("cust1", 'cust1', 'cust3', 'cust4', 'cust5', 'cust5', 'cust5',     'cust5', 'cust6')
df1 = data.frame(col1, col2)
df1

distinct(select(df1, col1, col2))

- Jeereddy