r - 删除*所有*重复的行，除非有 “similar”行

Question

我有以下data.table:

library(data.table)
dt = data.table(c(1, 1, 1, 2, 2, 2, 2, 3, 4),
                c(4, 4, 4, 5, 5, 6, 7, 4, 5))
   V1 V2
1:  1  4
2:  1  4
3:  1  4
4:  2  5
5:  2  5
6:  2  6
7:  2  7
8:  3  4
9:  4  5

我想研究给定 V2的 V1的不同值。但是，如果给定 V2的 V1的所有值都相同，那我就不会感兴趣，因此我想删除这样的行。

在上面的示例中，前三行完全相同( V1=1， V2=4)，因此我希望将其删除。

但是，接下来的四行包括两行相同的行，其他行具有不同的 V2。在这种情况下，我想显示给定 V2的 V1 = 2的三个可能值: (2, 5)， (2, 6)和 (2, 7)。

最后两行具有唯一的 V1:属于“所有行都完全相同”的类别，因此也应将其删除。

我能想到的最好的显示在 this answer中:

dt[!duplicated(dt) & !duplicated(dt, fromLast = TRUE), ]
   V1 V2
1:  2  6
2:  2  7
3:  3  4
4:  4  5

显然这是不令人满意的:因为它是重复的，所以它删除了 (2,5)对，并且由于它们是唯一的，因此保留了 (3,4)和 (4,5)对，因此没有被 duplicated()传递标记。

另一个选择是简单地调用

unique(dt)
   V1 V2
1:  1  4
2:  2  5
3:  2  6
4:  2  7
5:  3  4
6:  4  5

但是它保留了我要删除的 (1,4)， (3,4)和 (4,5)对。

最后，我要寻找的结果是:

   V1 V2
1:  2  5
2:  2  6
3:  2  7

尽管任何其他格式也可以接受，例如:

   V1 V2.1 V2.2 V2.3
1:  2    5    6    7

(显示每个“有趣的” V2的 V1可能的值)

我无法弄清楚如何区分 (1,4)大小写(所有行都是相同的)和 (2,5)大小写(存在一些重复，但是还有其他行具有相同的 V1，因此我们必须删除重复的 (2,5)，但保留一个副本)。

至于唯一行，我写了一个非常丑陋的电话，但只有在唯一行的情况下，它才有效。如果有两个，例如上面的示例，它将失败。

Answer 1

一种选择是按“V1”进行分组，获得唯一元素长度大于1的分组的索引，然后采用unique

unique(dt[dt[, .(i1 = .I[uniqueN(V2) > 1]), V1]$i1])
#   V1 V2
#1:  2  5
#2:  2  6
#3:  2  7

或正如@ r2evans所提到的

unique(dt[, .SD[(uniqueN(V2) > 1)], by = "V1"])

注意:OP的数据集是 data.table，而 data.table方法是自然的方法

如果需要 tidyverse选项，则可以与上述 data.table选项进行比较

library(dplyr)
dt %>%
   group_by(V1) %>% 
   filter(n_distinct(V2) > 1) %>% 
   distinct()