删除 R 中给定变量的重复日期

Question

Date    Server  CPU
1/1/2012    WebA    30
1/1/2012    WebA    25
1/1/2012    WEbB    30
1/2/2012    WebA    45
1/2/2012    WebA    50
1/2/2012    WebA    60

dput(x)
structure(list(Date = structure(c(1L, 1L, 1L, 2L, 2L, 2L), .Label = c("1/1/2012", 
"1/2/2012"), class = "factor"), Server = structure(c(1L, 1L, 
2L, 1L, 1L, 1L), .Label = c("WebA", "WEbB"), class = "factor"), 
    CPU = c(30L, 25L, 30L, 45L, 50L, 60L)), .Names = c("Date", 
"Server", "CPU"), class = "data.frame", row.names = c(NA, -6L
))

对于给定服务器的每个数据，我应该有一个数据点。我需要删除重复的日期。当我选择日期时，CPU 应该是最高的。例如，对于日期 1/2/2012，我的新行将是 1/2/2012 WebA 60。

如何删除 R 中的重复日期？

我能做到:

x[!duplicated(x[1:2]),]

从 CPU 上，我如何查看最高的？

Answer 1

使用聚合的解决方案:

aggregate(df$CPU, by=list(df$Date, df$Server), max)

#    Group.1 Group.2  x
# 1 1/1/2012    WebA 30
# 2 1/2/2012    WebA 60
# 3 1/1/2012    WEbB 30

使用data.table

require(data.table)
dt <- data.table(df)
setkey(dt, "Date", "Server")
dt[, list(CPU.max = max(CPU)), by="Date,Server"]

#        Date Server CPU.max
# 1: 1/1/2012   WebA      30
# 2: 1/1/2012   WEbB      30
# 3: 1/2/2012   WebA      60

编辑:根据 OP 的评论要求更多专栏:

df <- structure(list(Date = structure(c(1L, 1L, 1L, 2L, 2L, 2L), 
               .Label = c("1/1/2012", "1/2/2012"), class = "factor"), 
               Server = structure(c(1L, 1L, 2L, 1L, 1L, 1L), 
               .Label = c("WebA", "WEbB"), class = "factor"), 
               CPU = c(30L, 25L, 30L, 45L, 50L, 60L), 
               val1 = c(5L, 2L, 6L, 3L, 1L, 4L), 
               val2 = c(5L, 3L, 6L, 4L, 1L, 2L), 
               val3 = c(1L, 2L, 4L, 3L, 6L, 5L)), 
               .Names = c("Date", "Server", "CPU", "val1", "val2", "val3"), 
               row.names = c(NA, -6L), class = "data.frame")

> df

#       Date Server CPU val1 val2 val3
# 1 1/1/2012   WebA  30    5    5    1
# 2 1/1/2012   WebA  25    2    3    2
# 3 1/1/2012   WEbB  30    6    6    4
# 4 1/2/2012   WebA  45    3    4    3
# 5 1/2/2012   WebA  50    1    1    6
# 6 1/2/2012   WebA  60    4    2    5

使用 aggregate 的解决方案:一般来说，将聚合与公式结合使用(如下所示)更好，因为 1) 它保留了列名，2) 它干净且易于理解，3) 它允许更容易合并以恢复其他列(由于 (1))(这是你的问题，如果我没弄错的话)。

df.agg <- aggregate(data = df, CPU ~ Date + Server, max)
merge(df.agg, df)

#       Date Server CPU val1 val2 val3
# 1 1/1/2012   WebA  30    5    5    1
# 2 1/1/2012   WEbB  30    6    6    4
# 3 1/2/2012   WebA  60    4    2    5

使用 data.table 的解决方案:

dt <- data.table(df, key=c("Date", "Server"))
# .SD holds the data.frame of the current group that is processed
dt[, .SD[which.max(CPU)], by=c("Date", "Server")]

#        Date Server CPU val1 val2 val3
# 1: 1/1/2012   WebA  30    5    5    1
# 2: 1/1/2012   WEbB  30    6    6    4
# 3: 1/2/2012   WebA  60    4    2    5