r - 删除组内的重复项？

Question

示例数据代码:

    mydf<-data.frame(Group_ID=c("337", "337", "201", "201", "470", "470", "999", "999"), 
             Timestamp=c("A", "A", "B", "B", "C", "D", "E", "F"), 
             MU=c("1", "1", "2", "3", "4", "4", "5", "6"))

示例数据框:

  Group_ID Timestamp MU
1      337         A  1
2      337         A  1
3      201         B  2
4      201         B  3
5      470         C  4
6      470         D  4
7      999         E  5
8      999         F  6

在“Group_ID”中，我只想保留“Timestamp”和“MU”都不重复的条目。因此，在此示例中，仅保留第 7 行和第 8 行(“Group_ID”999 具有“Timestamp”和“MU”的唯一条目)。

我的一些尝试:

mydf<-mydf %>%
  group_by(Group_ID) %>%
  filter(unique(Timestamp))

返回错误:

"Argument 2 filter condition does not evaluate to a logical vector"

如果这确实有效，我会使用 unique(MU) 再次运行它

mydf<-mydf %>%
  group_by(Group_ID) %>%
  mydf[!duplicated(mydf$Timestamp, fromLast = TRUE),]

返回错误:

"Length of logical index vector must be 1 or 3 (the number of columns), not 8"

(同样，我会使用 MU 再次运行代码)

我浏览过类似的问题，但没有找到具有相同场景的问题。提前谢谢了。

Answer 1

如果我们使用过滤器，它需要一个逻辑向量。 unique 的输出只是该列(character 类)的唯一元素。所以这是行不通的。我们可以使用duplicated来获取重复元素的逻辑向量，否定(!)。这样 TRUE -> FALSE ，反之亦然，仅获取第一个非重复元素

library(dplyr)
mydf %>% 
   group_by(Group_ID) %>% 
   filter(!(duplicated(Timestamp, fromLast = TRUE)| duplicated(Timestamp))) 

<小时/>

或者根据行数按“Group_ID”、“时间戳”和过滤器进行分组

mydf %>%
   group_by(Group_ID, Timestamp) %>%
   filter(n() == 1)

如果我们只需要“999”“Group_ID”

mydf %>% 
  group_by(Group_ID) %>%
  filter_at(vars(Timestamp,  MU),  all_vars(n_distinct(.) == n()))
# A tibble: 2 x 3
# Groups:   Group_ID [1]
#  Group_ID Timestamp MU   
#  <fct>    <fct>     <fct>
#1 999      E         5    
#2 999      F         6    

<小时/>

或者直接使用distinct

distinct(mydf, Group_ID, Timestamp, .keep_all = TRUE)