删除重复项，保留最频繁的行

Question

我想对我的数据进行重复数据删除，保留出现频率最高的行。如果行中存在平局，我不在乎返回的是哪个——按字母或数字顺序排列的第一个就可以了。我想通过一组 id 和 var 来做到这一点。

雷:

df <- data.frame(
  id = rep("a", 8),
  var = c(rep("b", 4), rep("c", 4)),
  val = c("d", "d", "d", "e", "f", "f", "g", "g")
)

> df
  id var val
1  a   b   d
2  a   b   d
3  a   b   d
4  a   b   e
5  a   c   f
6  a   c   f
7  a   c   g
8  a   c   g

应该:

  id var val
1  a   b   d
2  a   c   f

我正在处理大型数据集和 tidyverse 管道链，因此最好使用 dplyr 解决方案。

Answer 1

使用 table 和 which.max 提取 mode :

df %>% 
    group_by(id, var) %>% 
    summarise(val = {t <- table(val); names(t)[which.max(t)] })

# A tibble: 2 x 3
# Groups:   id [?]
#  id    var   val  
#  <fct> <fct> <chr>
#1 a     b     d    
#2 a     c     f  

在基 R 中执行此操作的另一种方法:直接创建一个三向列联表，然后沿第三个轴找到 max 列:

apply(table(df), c(1, 2), function(v) names(v)[which.max(v)])

#   var
#id  b   c  
#  a "d" "f"

将其转换为数据框:

as.data.frame.table(
    apply(table(df), c(1, 2), function(v) names(v)[which.max(v)])
)

#  id var Freq
#1  a   b    d
#2  a   c    f