2012-09-14 30 views
6

Tengo un conjunto de datos Me gustaría eliminar las filas de datos que tienen información duplicada en 4 columnas diferentes.eliminar filas duplicadas según las condiciones de varias columnas en r

foo<- data.frame(g1 = c("1","0","0","1","1"), v1 = c("7","5","4","4","3"), v2 = c("a","b","x","x","e"), y1 = c("y","c","f","f","w"), y2= c("y","y","y","f","c"), y3 = c("y","c","c","f","w"), y4= c("y","y","f","f","c"), y5=c("y","w","f","f","w"), y6=c("y","c","f","f","w")) 

foo entonces se parece a:

g1 v1 v2 y1 y2 y3 y4 y5 y6 
1 1 7 a y y y y y y 
2 0 5 b c y c y w c 
3 0 4 x f y c f f f 
4 1 4 x f f f f f f 
5 1 3 e w c w c w w 

Ahora, quiero eliminar cualquier fila que ha duplicado los datos basados ​​en las Y1-6columns. Por lo tanto, solo se eliminarán las filas 4 y 1 si se realizan correctamente, en función de que todas las variables Y sean exactamente iguales. Es una condición de columna múltiple.

Creo que estoy cerca, pero simplemente no funciona correctamente.

He intentado: new = foo[!(duplicated(foo[,1:6]))] pensando en utilizar el comando duplicado que buscaría y solo encontrar los que coinciden exactamente?

Pensé en usar un enunciado condicional con &, pero tampoco sé cómo hacerlo.
new = foo[foo$y1==foo$y2|foo$y3|foo$y4|foo$y5|foo$y6]

Pensé en qué pero ahora estoy abrumado y perdido. Yo esperaría foo para que parezca:

g1 v1 v2 y1 y2 y3 y4 y5 y6 
2 0 5 b c y c y w c 
3 0 4 x f y c f f f 
5 1 3 e w c w c w w 

Respuesta

10
> foo[apply(foo[ , paste("y", 1:6, sep = "")], 1, 
      FUN = function(x) length(unique(x)) > 1), ] 
    g1 v1 v2 y1 y2 y3 y4 y5 y6 
2 0 5 b c y c y w c 
3 0 4 x f y c f f f 
5 1 3 e w c w c w w 
+1

Mi favorito hasta ahora. –

+0

Disculpe que simplifiqué mi ejemplo, porque tengo más columnas de información ... por lo tanto, basándome en la variable 1-6 SOLAMENTE de, digamos, 9 columnas de información totales. Editaré el ejemplo anterior – Kerry

+0

Actualicé mi respuesta. Ahora, la selección de filas se basa en las columnas y1 - y6. –

2
foo[apply(foo, 1, function(x) any(x != x[1])),] 
1
> foo[ !rowSums(apply(foo[2:6], 2, "!=", foo[1]))==0, ] 
    y1 y2 y3 y4 y5 y6 
2 c y c y w c 
3 f y c f f f 
5 w c w c w w 

> foo[ ! colSums(apply(foo, 1, duplicated, foo[1])) == 5, ] 
    y1 y2 y3 y4 y5 y6 
2 c y c y w c 
3 f y c f f f 
5 w c w c w w 
Cuestiones relacionadas