para - poligono en r

Único en un marco de datos con solo columnas seleccionadas

Question

Tengo un marco de datos con> 100 columnas, y me gustaría encontrar las filas únicas, comparando solo dos de las columnas. Espero que esto sea fácil, pero no puedo hacerlo funcionar solo o duplicated .

A continuación, me gustaría usar solo id y id2:

data.frame(id=c(1,1,3),id2=c(1,1,4),somevalue=c("x","y","z"))
id id2 somevalue
1 1 x
1 1 y
3 4 z

Me gustaría obtener ya sea:

id id2 somevalue
1 1 x
3 4 z

o:

id id2 somevalue
1 1 y
3 4 z

(No tengo ninguna preferencia sobre cuál de las filas únicas se mantiene)

Answer 1

Actualización menor en el código de @Joran.
Usando el código a continuación, puede evitar la ambigüedad y solo obtener la única de dos columnas:

dat <- data.frame(id=c(1,1,3), id2=c(1,1,4) ,somevalue=c("x","y","z"))
dat[row.names(unique(dat[,c("id", "id2")])), c("id", "id2")]

Answer 2

Aquí hay un par de opciones de dplyr que mantienen filas no duplicadas basadas en las columnas id e id2:

library(dplyr)
df %>% distinct(id, id2, .keep_all = TRUE)
df %>% group_by(id, id2) %>% filter(row_number() == 1)
df %>% group_by(id, id2) %>% slice(1)

Answer 3

Ok, si no importa qué valor en la columna no duplicada que seleccione, esto debería ser bastante fácil:

dat <- data.frame(id=c(1,1,3),id2=c(1,1,4),somevalue=c("x","y","z"))
> dat[!duplicated(dat[,c(''id'',''id2'')]),]
id id2 somevalue
1 1 1 x
3 3 4 z

Dentro de la llamada duplicated , simplemente estoy pasando solo esas columnas de datos de los dat no quiero duplicados. Este código seleccionará automáticamente siempre el primero de los valores ambiguos. (En este caso, x.)

Answer 4

Utilizando unique() :

dat <- data.frame(id=c(1,1,3),id2=c(1,1,4),somevalue=c("x","y","z"))
dat[row.names(unique(dat[,c("id", "id2")])),]