代码之家 › 专栏 › 技术社区 › Raquel Feltrin

删除数据帧中复制的列

data-wrangling r

Raquel Feltrin · 技术社区 · 2 年前

我有一个包含重复变量的大数据框。这只是我的数据样本,用来说明这个问题:

df <- data.frame(
  ID = rep(1:4, each = 1),
  CMW = rep(c(10, 20, 30, 30), each = 1),
  D_D = c(rep(100, 3), 200), 
  D_D = c(rep(100, 3), 200),
  D_D = c(rep(100, 1), 200),
  Eref = rep(4:4, each = 1),
  Eref = rep(4:4, each = 1),
  Eref = rep(1:4, each = 1),
  Eref = rep(1:4, each = 1)
)


  ID CMW  DD DD.1 DD.2 Eref Eref.1 Eref.2 Eref.3
   1  10 100  100  100    4      4      1      1
   2  20 100  100  200    4      4      2      2
   3  30 100  100  100    4      4      3      3
   4  30 200  200  200    4      4      4      4

R会在变量名中添加数字以使其唯一,但具有相同“根名称”(点前的字符串)的变量实际上是相同的。所以我想做的是,如果变量重复,看看特定变量中的值,如果值相同,只保留该变量的一列。但是,如果有两组相同的变量是相同的,则保留每组中的一列。所以我想对数据帧中所有重复的变量进行处理。例如,从上面的数据帧示例(df)中,我希望得到以下结果:

  ID CMW  DD DD.1 Eref Eref.1
   1  10 100  100    4      1
   2  20 100  200    4      2
   3  30 100  100    4      3
   4  30 200  200    4      4

到目前为止,我能够用以下代码检查数据帧中是否有重复的变量:

duplicated_col <- unique(sub("\\.\\d+$", "", names(df))[duplicated(sub("\\.\\d+$", "", names(df)))])

但我不知道如何比较重复的变量并丢弃/保持以获得df_result。欢迎任何帮助。非常感谢。

3 回复 | 直到 2 年前

LMc 2 年前

这是一个基本的R解决方案:

df |> 
  split.default(gsub("\\.\\d+$", "", names(df))) |>
  lapply(\(x) {
    l <- as.list(x)
    distinct <- unique(l)
    setNames(distinct, names(l)[seq_along(distinct)])
  }) |>
  unname() |>
  data.frame()
#   CMW D_D D_D.1 Eref Eref.1 ID
# 1  10 100   100    4      1  1
# 2  20 100   200    4      2  2
# 3  30 100   100    4      3  3
# 4  30 200   200    4      4  4

Onyambu 2 年前

split.default(df, sub(".\\d+$", "", names(df))) |>
  lapply(\(x)unique(as.matrix(unname(x)), MARGIN = 2)) |>
  data.frame()

  CMW D_D.1 D_D.2 Eref.1 Eref.2 ID
1  10   100   100      4      1  1
2  20   100   200      4      2  2
3  30   100   100      4      3  3
4  30   200   200      4      4  4

如果你想保持外观的秩序。添加另一个管道:

fn <- function(x,d) x[order(match(names(x), names(d)))]

split.default(df, sub(".\\d+$", "", names(df))) |>
   lapply(\(x)unique(as.matrix(unname(x)), MARGIN = 2)) |>
   data.frame() |> fn(df)

  ID CMW D_D.1 D_D.2 Eref.1 Eref.2
1  1  10   100   100      4      1
2  2  20   100   200      4      2
3  3  30   100   100      4      3
4  4  30   200   200      4      4

zx8754 2 年前

转置并检查是否重复:

df[, c("ID", names(df[, -1])[ !duplicated(t(df[, -1 ]))]) ]
#   ID CMW D_D D_D.2 Eref Eref.2
# 1  1  10 100   100    4      1
# 2  2  20 100   200    4      2
# 3  3  30 100   100    4      3
# 4  4  30 200   200    4      4

注意,我将ID从转置步骤中排除,因为它与Eref.2和Eref.3具有相同的值。如果您的ID与其他列上的值不相同,则代码看起来更简单:

df[, names(df)[ !duplicated(t(df)) ] ]