根据存在层次结构的另一列删除一列中的重复项

Question

我有一个像这样的数据框:

dat1 <- data.frame(Unit = c("a","a","b","c","c","c","d"), Habitat = c("choppy sands","sands","meadow","sands","meadow","choppy sands","choppy sands"), Litter = c(3.7,3.4,5.6,2.1,3.6,7.5,1.2))

>dat1
  Unit      Habitat Litter
1    a choppy sands    3.7
2    a        sands    3.4
3    b       meadow    5.6
4    c        sands    2.1
5    c       meadow    3.6
6    c choppy sands    7.5
7    d choppy sands    1.2

我想根据 Unit 查找并删除重复行，其中为每个 Unit 值保留的单行取决于 Habitat 中值的层次结构。如果基于单位存在重复行，则 Habitat =“meadow”的行优先，然后是 Habitat =“choppy sands”的行，然后是 Habitat =“sands”的行。因此生成的数据框将如下所示:

  Unit      Habitat Litter
1    a choppy sands    3.7
2    b       meadow    5.6
3    c       meadow    3.6
4    d choppy sands    1.2

非常感谢任何帮助。

Answer 1

使用dplyr和forcats(都在tidyverse包系统中)，你可以做这样的事情:

dat2 <- 
    dat1 %>%
    mutate(Habitat = fct_relevel(Habitat, c('meadow', 'choppy sands', 'sands'), after=0L)) %>%
    group_by(Unit) %>%
    filter(as.numeric(Habitat) == min(as.numeric(Habitat)))

这给出了所需的输出。这个想法是，您将Habitat设为一个因子变量，并在此变量的级别中对您的层次结构进行编码。然后，(在每个 Unit 组内)，通过使用 as.numeric(Habitat) == min( 进行过滤，保留具有最高优先级 Habitat 的行as.numeric(Habitat)) 规则。