repetidos - eliminar filas en r

Cómo generar filas duplicadas

Question

Tengo los siguientes datos:

x1 x2 x3 x4
34 14 45 53
2 8 18 17
34 14 45 20
19 78 21 48
2 8 18 5

En las filas 1 y 3; y 2 y 5 los valores para las columnas X1; X2, X3 son iguales. ¿Cómo puedo generar solo esas 4 filas, con números iguales? La salida debe estar en el siguiente formato:

x1 x2 x3 x4
34 14 45 53
34 14 45 20
2 8 18 17
2 8 18 5

Por favor, hágame preguntas si algo no está claro.

PREGUNTA ADICIONAL: en la salida

x1 x2 x3 x4
34 14 45 53
34 14 45 20
2 8 18 17
2 8 18 5

encuentre la suma de valores en la última columna:

x1 x2 x3 x4
34 14 45 73
2 8 18 22

Answer 1

Aprendí esto el otro día. No necesitará volver a ordenar la salida.

s <- split(dat, do.call(paste, dat[-4]))
Reduce(rbind, Filter(function(x) nrow(x) > 1, s))
# x1 x2 x3 x4
# 2 2 8 18 17
# 5 2 8 18 5
# 1 34 14 45 53
# 3 34 14 45 20

Answer 2

Hay otra forma de resolver ambas preguntas usando dos paquetes.

library(DescTools)
library(dplyr)
dat[AllDuplicated(dat[1:3]), ] %>% # this line is to find duplicates
group_by(x1, x2) %>% # the lines followed are to sum up
mutate(x4 = sum(x4)) %>%
unique()
# Source: local data frame [2 x 4]
# Groups: x1, x2
#
# x1 x2 x3 x4
# 1 34 14 45 73
# 2 2 8 18 22

Answer 3

Puede hacer esto con duplicated , que comprueba si las filas se duplican cuando pasa una matriz. Como solo está revisando las primeras tres columnas, debe pasar dat[,-4] a la función.

dat[duplicated(dat[,-4]) | duplicated(dat[,-4], fromLast=T),]
# x1 x2 x3 x4
# 1 34 14 45 53
# 2 2 8 18 17
# 3 34 14 45 20
# 5 2 8 18 5

Answer 4

También puede usar el comando de tabla:

> d1 = ddf[ddf$x1 %in% ddf$x1[which(table(ddf$x1)>1)],]
> d2 = ddf[ddf$x2 %in% ddf$x2[which(table(ddf$x2)>1)],]
> rr = rbind(d1, d2)
> rr[!duplicated(rbind(d1, d2)),]
x1 x2 x3 x4
1 34 14 45 53
3 34 14 45 20
2 2 8 18 17
5 2 8 18 5

Para sumar en la última columna:

> rrt = data.table(rr2)
> rrt[,x4:=sum(x4),by=x1]
> rrt[rrt[,!duplicated(x1),]]
x1 x2 x3 x4
1: 34 14 45 73
2: 2 8 18 22

Answer 5

Una alternativa usando ave :

dat[ave(dat[,1], dat[-4], FUN=length) > 1,]
# x1 x2 x3 x4
#1 34 14 45 53
#2 2 8 18 17
#3 34 14 45 20
#5 2 8 18 5

Answer 6

el primero similar al anterior, deje z sea su data.frame:

 library(DescTools)
(zz <- Sort(z[AllDuplicated(z[, -4]), ], decreasing=TRUE) )
# now aggregate
aggregate(zz[, 4], zz[, -4], FUN=sum)
# use Sort again, if needed...