删除重复行,保留第一行

你可以按地区和年份分组,然后从每组中选取第一行。

library(dplyr)
df_neat <- df %>%
  group_by(district, year) %>%
  slice_head(n = 1) %>%
  ungroup()

您可以通过使用 drop_duplicates pandas中的函数,它将帮助您根据 year 和 district 列,同时保持第一次出现。以下是在Python中如何做到这一点:

import pandas as pd

# Create the initial DataFrame
df = pd.DataFrame({
    'year': [2000, 2001, 2001, 2002, 2000, 2001, 2002, 2002, 2002],
    'executive.name': ['Johnson', 'Smith', 'Peters', 'Alleghany', 'Roberts', 'Clarke', 'Tollson', 'Brown', 'Taschen'],
    'district': [1001, 1001, 1001, 1001, 1002, 1002, 1002, 1002, 1002]
})

# Drop duplicates while keeping the first occurrence
df_neat = df.drop_duplicates(subset=['year', 'district'], keep='first').reset_index(drop=True)

# Display the resulting DataFrame
df_neat

结果 df_neat 看起来像这样:

   year executive.name  district
0  2000        Johnson      1001
1  2001          Smith      1001
2  2002      Alleghany      1001
3  2000        Roberts      1002
4  2001         Clarke      1002
5  2002        Tollson      1002

此代码确保对于以下各项的每种组合 年 和 区 ,只保留了县行政长官的第一次出现,有效地删除了任何半重复的行。

基地R

first = \(x) x[1L]
aggregate(.~year+district, df, first)
#>   year district executive.name
#> 1 2000     1001        Johnson
#> 2 2001     1001          Smith
#> 3 2002     1001      Alleghany
#> 4 2000     1002        Roberts
#> 5 2001     1002         Clarke
#> 6 2002     1002        Tollson