根据因素删除重复的行

Question

我想从由不同因子和条件(例如最高均值或 sd)分层的数据框中删除重复的行。

一些数据，a是行的因子和 id。

set.seed(13654)
a<- sort(c(1,1,4,1,2,3,2,3,1,5))
b<- matrix(runif(100,min = 6,max = 14),nrow = 10)
c<- data.frame(a,b)  

例如，我想减少具有最高平均值的行上的最终数据集。

# calculate means per row
gr <- cbind(a,M=rowMeans(c[,-1]))
# get rows stratified by a with highest mean:
gr1 <- aggregate(M~a,gr,which.max)
gr1
  a M
1 1 3
2 2 2
3 3 1
4 4 1
5 5 1

因此，因子级别 1 的第三行，因子级别 2 的第二行，... 应包含在新数据框中。我想避免循环。我试过的是 split数据然后使用 lapply ，但到目前为止还没有工作。

cl <- split(c,a)
# this function does not work it will select not the correct rows. 
lapply(cl, "[", gr1, )

我的最终目标是这样的函数:

remove.dupl <- function(data,factor,method=c(highest.mean,highest.sd,lowest.sd,...))

您能否为我的问题提供一些提示或解决方案。按照我的工作流程，我需要一个“操作方法”来使用 "["正确使用 lapply 从数据框列表中选择不同的行。

Answer 1

试试 by()功能:

set.seed(13654)
a <- sort(c(1,1,4,1,2,3,2,3,1,5))
b <- matrix(runif(100,min = 6,max = 14),nrow = 10)
c <- data.frame(a,b)
myfun <- function(x) which.max(rowMeans(x))                   # just replicating your example, you could define other functions here
d <- by(data = c, INDICES = c$a, function(x) x[myfun(x), ])   # use by() to select rows, based on myfun()
d <- do.call(rbind, d)                                        # turn result of by() function into a data frame