r - 有条件重复消除

Question

给定以下数据框:

   z1 z2
1   A  X
2   A  Y
3   B  X
4   B  Y
5   C  X
6   C  Z
7   D  X
8   D  Z
9   E  X
10  E  Y
11  F  X
12  G  Z
13  H  X
14  I  Y
15  J  X
16  K  Z

我正在尝试找到一种更有效(比我想出的方法)的方法来消除第一列 z1 中的重复值，因为第二列 z2 中的值不是指定值” X”。这是我想要的输出:

   z1 z2
1   A  X
3   B  X
5   C  X
7   D  X
9   E  X
11  F  X
12  G  Z
13  H  X
14  I  Y
15  J  X
16  K  Z

这里(和其他地方)有几篇关于消除基于多列的重复项的帖子，我已经尝试了各种形式的重复()和唯一()，但似乎无法找到执行此操作的正确编码。这个问题与我见过的其他帖子有点不同，因为要消除的行基于 z1 中存在的重复值，并以 z2 中的值为条件，但当 z1 中不存在重复项时，z2 上的条件不适用。我使用 subset() 提出了以下解决方案，但问题是我需要输入 z1 中重复的值才能使其工作。我当前的解决方案效率低下，因为我需要先通过另一个过程找到重复的值，然后将它们硬编码到子集命令中。

这是我一直在使用的数据框和代码:

z1=c(rep(c("A","B","C","D","E"),each=2),"F","G","H","I","J","K")
z2=c(rep(c("X","Y"),2),rep(c("X","Z"),2),rep(c("X","Y","X","Z"),2))
z=data.frame(cbind(z1,z2))

t1=subset(z, 
    (z$z1!="A" | z$z2=="X")&
    (z$z1!="B" | z$z2=="X")&
    (z$z1!="C" | z$z2=="X")&
    (z$z1!="D" | z$z2=="X")&
    (z$z1!="E" | z$z2=="X"))
t1

有什么想法吗？

Answer 1

您可以使用duplicated、fromLast=F 和 fromLast=T 来确定 z1 值是否重复:

duplicated(z$z1) | duplicated(z$z1, fromLast=T)
#  [1]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE
# [14] FALSE FALSE FALSE

剩下的就是限制非重复或 X2 值为“X”的解决方案:

subset(z, !(duplicated(z1) | duplicated(z$z1, fromLast=T)) | z2 == "X")
#    z1 z2
# 1   A  X
# 3   B  X
# 5   C  X
# 7   D  X
# 9   E  X
# 11  F  X
# 12  G  Z
# 13  H  X
# 14  I  Y
# 15  J  X
# 16  K  Z