repetidos - eliminar filas duplicadas en r

Eliminar duplicados manteniendo la entrada con el mayor valor absoluto

Question

Digamos que tengo cuatro muestras: id = 1, 2, 3 y 4, con una o más mediciones en cada una de esas muestras:

> a <- data.frame(id=c(1,1,2,2,3,4), value=c(1,2,3,-4,-5,6))
> a
  id value
1  1     1
2  1     2
3  2     3
4  2    -4
5  3    -5
6  4     6

Quiero eliminar los duplicados, manteniendo solo una entrada por ID, la que tenga el mayor valor absoluto de la columna "valor". Es decir, esto es lo que quiero:

> a[c(2,4,5,6), ]
  id value
2  1     2
4  2    -4
5  3    -5
6  4     6

¿Cómo podría hacer esto en R?

Answer 1

Aquí hay un enfoque dplyr

library(dplyr)
a %>% 
        group_by(id) %>%
        top_n(1, abs(value))

# A tibble: 4 x 2
# Groups:   id [4]
#     id value
#  <dbl> <dbl>
#1     1     2
#2     2    -4
#3     3    -5
#4     4     6

Answer 2

Echa un vistazo a ?aggregate :

aggregate(value~id,a,function(x) x[which.max(abs(x))])

Me gusta la respuesta de @DWin, pero me gustaría mostrar cómo esto también podría funcionar con los metadatos:

aa<-merge(aggregate(value~id,a,function(x) x[which.max(abs(x))]),a)
# Fails if the max value is duplicated for a single id without next line.
aa[!duplicated(aa),]

No pude evitarlo y creé una última respuesta:

do.call(rbind,lapply(split(a,a$id),function(x) x[which.max(abs(x$value)),]))

Answer 3

Otro enfoque (aunque el código puede parecer un poco engorroso) es usar ave() :

a[which(abs(a$value) == ave(a$value, a$id, 
                            FUN=function(x) max(abs(x)))), ]
#   id value
# 2  1     2
# 4  2    -4
# 5  3    -5
# 6  4     6

Answer 4

Puedes hacer esto con dplyr de la siguiente manera:

library(dplyr)
a %>%
  group_by(name) %>%
  filter(n == max(n)) %>%
  ungroup()

Answer 5

Un enfoque de data.table podría estar en orden si su conjunto de datos es muy grande:

library(data.table)

aDT <- as.data.table(a)
setkey(aDT,"id")

aDT[J(unique(id)), list(value = value[which.max(abs(value))])]

O una alternativa no tan rápida, pero a la vez rápida:

library(data.table)
as.data.table(a)[, .SD[which.max(abs(value))], by=id]

Esta versión devuelve todas las columnas de a , en caso de que haya más en el conjunto de datos real.

Answer 6

 aa <- a[order(a$id, -abs(a$value) ), ] #sort by id and reverse of abs(value)
 aa[ !duplicated(aa$id), ]              # take the first row within each id
  id value
2  1     2
4  2    -4
5  3    -5
6  4     6

Answer 7

library(plyr)
ddply(a, .(id), function(x) return(x[which(abs(x$value)==max(abs(x$value))),]))