在R中删除每行连续重复的值

Question

我正在使用R处理一个数据集，我想按行删除连续重复的值。例如，行(19,15,19,19)应该变成行(19,15,19)。

我尝试使用duplicated(df)，但这会删除所有重复项，导致结果为(19,15)，而不仅仅是连续的重复项。

可重现的示例：

a <- c(19,18,19,9,9,19,19)
b <- c(15,0,19,9,19,19,13)
c <- c(19,0,13,19,19,19,0)
d <- c(19,0,0,19,19,0,0)

trajectories <- cbind(a,b,c,d)

- olive

---

你的数据集有多大（nrow * ncol）？是否真的需要删除或替换重复值？ - alexis_laz

Answer 1

我们可以遍历行并基于运行长度编码获取唯一元素，以创建一个向量列表。

lst <- apply(trajectories, 1, FUN = function(x) rle(x)$values)
lst
#[[1]]
# a  b  d 
#19 15 19 

#[[2]]
# a  d 
#18  0 

#[[3]]
# b  c  d 
#19 13  0 

#[[4]]
# b  d 
# 9 19 

#[[5]]
# a  d 
# 9 19 

#[[6]]
# c  d 
#19  0 

#[[7]]
# a  b  d 
#19 13  0 

我们可以在末尾添加NA，使元素数量保持一致。

do.call(rbind, lapply(lst, `length<-`, max(lengths(lst))))

更新

正如 @Sotos 所提到的，如果我们需要列名称与原始数据一致，那么

do.call(rbind, lapply(lst, function(x) {
            x[setdiff(colnames(trajectories), names(x))] <- NA
            x[colnames(trajectories)]}))

---

另一种选项是获取每行相邻元素之间的diff（差异），基于差异不为零创建逻辑向量来对元素进行子集筛选。

apply(trajectories, 1, FUN = function(x) x[c(TRUE, diff(x)!=0)])

另一种可行的选项是在示例中工作。

 i1 <- which(cbind(1, trajectories[,-1] -
         trajectories[,-ncol(trajectories)])!=0, arr.ind=TRUE)
 lapply(split(1:nrow(i1), i1[,1]), function(i) trajectories[i1[i,, drop = FALSE]])

- akrun

---

它完美地工作了，谢谢！只有一个问题：这个列表必须转换为数据框，但我无法做到这一点，因为每行需要具有相同数量的值。少于4个值的行可以用0填充。 - olive

@CharlotteDeVlieghere 你可以将元素paste在一起创建列，或者另一个选项是在data.frame中使用list列。 - akrun

rbind 的绑定似乎有误。例如，元素 4 是 b = 9，d = 19，但是当 rbind 处于 a 和 b 列下时。我喜欢你的最后一个选项（任何不具有边距 1 和 apply 的选项）。 - Sotos

Answer 2

a <- c(19,18,19,9,9,19,19)
b <- c(15,0,19,9,19,19,13)
c <- c(19,0,13,19,19,19,0)
d <- c(19,0,0,19,19,0,0)

trajectories <- cbind(a,b,c,d)
trajectories

t(apply(trajectories, 1, function(x) { x[c(F, diff(x) == 0)] <- 0; x } ))

您可以通过更改<- 0部分将连续重复设置为其他内容，例如将它们设置为NA...

t(apply(trajectories, 1, function(x) { x[c(F, diff(x) == 0)] <- NA; x } ))

- CJ Yetman

---

是否有可能修改这个程序，将重复的值改为NA，无论它们是否连续？ - Carrol

t(apply(trajectories, 1, function(x) { x[duplicated(x)] <- NA; x })) - CJ Yetman