从 data.table 中删除重复出现的数据

Question

我有一个这样的 data.table:

data.table(a=rep(c("xx", "yy"), each=4), b=rep(c("zz", "nn"), each=2), vals=10:17)

    a  b vals
1: xx zz   10
2: xx zz   11
3: xx nn   12
4: xx nn   13
5: yy zz   14
6: yy zz   15
7: yy nn   16
8: yy nn   17

我想要的是这个，因为它在导出到 excel 然后导出到单词时在表格中看起来更好(我知道，从不使用 excel...):

    a  b vals
1: xx zz   10
2: NA NA   11
3: NA nn   12
4: NA NA   13
5: yy zz   14
6: NA NA   15
7: NA nn   16
8: NA NA   17

编辑:忘了说如果一个数值是重复出现的，它不应该被改为 NA，只有字符列。

Answer 1

使用 data.table 中的 rleid 我们可以创建一个函数

library(data.table)

replace_duplicated <- function(x) {
  replace(x, duplicated(rleid(x)), NA)
}

现在将其应用于选定的列(感谢@markus)

cols = names(df)[sapply(df, is.character)]
df[,(cols) := lapply(.SD, replace_duplicated ), .SDcols = cols]
df

#      a    b vals
#1:   xx   zz   10
#2: <NA> <NA>   11
#3: <NA>   nn   12
#4: <NA> <NA>   13
#5:   yy   zz   14
#6: <NA> <NA>   15
#7: <NA>   nn   16
#8: <NA> <NA>   17

---

在 dplyr 我们可以使用 mutate_if

library(dplyr)
df %>% mutate_if(is.character, replace_duplicated)

或mutate_at

df %>% mutate_at(cols, replace_duplicated)