r - 删除具有多个分组条件的重复项

Question

我想删除具有多个分组条件的重复项，但得到的结果总是比预期的少。

数据框每年比较两家公司。像这样:

<表类="s-表"><头><第>年c1c2<正文>2000一个b2000一个c2000一个d2001一个b2001bd2001一个c

对于每个 c1，我想查看 c2 并删除前一年的行。我发现了一个类似的问题，但只有一个 c。以下是我目前的一些尝试:

df<- df%>%
  group_by(c1,c2) %>%
  mutate(dup = n() > 1) %>%
  group_split() %>%
  map_dfr(~ if(unique(.x$dup) & (.x$year[2] - .x$year[1]) == 1) {
    .x %>% slice_head(n = 1)
  } else {
    .x
  }) %>%
  select(-dup) %>%
  arrange(year)

df<- sqldf("select a.*
  from df a
  left join df b on b.c1=a.c1 and b.c2 = a.c2 and b.year = a.year - 1
  where  b.year is null")

该示例所需的输出为:

<表类="s-表"><头><第>年c1c2<正文>2000一个b2000一个c2000一个d2001bd

Answer 1

假设您只想检查前一年的重复项。因此，在修改后的样本

上向您展示

library(tidyverse)

df <- read.table(header = T, text = 'year   c1  c2
2000    a   b
2000    a   c
2000    a   d
2001    a   b
2001    b   d
2001    a   c
2002  a d')

df %>%
  filter(map2_lgl(df$year, paste(df$c1, df$c2), ~ !paste(.x -1, .y) %in% paste(df$year, df$c1, df$c2)))
#>   year c1 c2
#> 1 2000  a  b
#> 2 2000  a  c
#> 3 2000  a  d
#> 4 2001  b  d
#> 5 2002  a  d

^{由 reprex package 创建于 2021-07-08 (v2.0.0)}