R:根据列中的类别从数据框中删除重复项

Question

这是我的示例数据集:

      Name Course Cateory
 1: Jason     ML      PT
 2: Jason     ML      DI
 3: Jason     ML      GT
 4: Jason     ML      SY
 5: Jason     DS      SY
 6: Jason     DS      DI
 7: Nancy     ML      PT
 8: Nancy     ML      SY
 9: Nancy     DS      DI
10: Nancy     DS      GT
11: James     ML      SY
12:  John     DS      GT

我想删除重复的行以在整个数据框中具有唯一的行。删除重复行基于列 category 中的值. category 中对值的偏好列按此顺序给出 {'PT','DI','GT','SY'}。

我的输出数据框如下所示:

  Name Course Cateory
1: Jason     ML      PT
2: Jason     DS      DI
3: Nancy     ML      PT
4: Nancy     DS      DI
5: James     ML      SY
6:  John     DS      GT

目前，我正在使用 for 的组合循环和 if健康)状况。由于输入数据框很大(1000 万行)，它需要永远。有没有更好更有效的方法来执行相同的操作？

Answer 1

这是一个片段，可以满足您的要求:

df$Category <- factor(df$Category, levels = c("PT", "DI", "GT", "SY"))

df <- df[order(df$Category),]

df[!duplicated(df[,c('Name', 'Course')]),]

输出:

Name Course Category
Jason     ML       PT
Nancy     ML       PT
Jason     DS       DI
Nancy     DS       DI
John      DS       GT
James     ML       SY

想法是我们根据优先级结构进行排序。然后我们应用唯一操作，这将返回第一个匹配项。返回将是我们想要的。