Свертывание кадра данных путем выбора одной строки для каждой группы

Я пытаюсь свернуть кадр данных, удалив все, кроме одной строки, из каждой группы строк с одинаковыми значениями в определенном столбце. Другими словами, первая строка из каждой группы.

Например, я хотел бы преобразовать этот

> d = data.frame(x=c(1,1,2,4),y=c(10,11,12,13),z=c(20,19,18,17))
> d
  x  y  z
1 1 10 20
2 1 11 19
3 2 12 18
4 4 13 17

В это:

    x  y  z
1   1 11 19
2   2 12 18
3   4 13 17

Я использую агрегат для этого в настоящее время, но производительность неприемлема для большего количества данных:

> d.ordered = d[order(-d$y),]
> aggregate(d.ordered,by=list(key=d.ordered$x),FUN=function(x){x[1]})

Я пробовал split/unsplit с тем же аргументом функции, что и здесь, но unsplit жалуется на повторяющиеся номера строк.

Возможно ли? Есть ли Идиома R для преобразования вектора длины rle в индексы строк, которые запускают каждый прогон, который затем я могу использовать, чтобы вырвать эти строки из фрейма данных?

Ответы

Ответ 1

Может быть, duplicated() может помочь:

R> d[ !duplicated(d$x), ]
  x  y  z
1 1 10 20
3 2 12 18
4 4 13 17
R>

Редактировать Shucks, неважно. Это выбирает первый в каждом блоке повторений, вы хотели последнего. Итак, вот еще одна попытка использования plyr:

R> ddply(d, "x", function(z) tail(z,1))
  x  y  z
1 1 11 19
2 2 12 18
3 4 13 17
R>

Здесь plyr выполняется сложная работа по поиску уникальных подмножеств, их циклизации и применению поставленной функции, которая просто возвращает последний набор наблюдений в блоке z с помощью tail(z, 1).

Ответ 2

Просто добавим немного к тому, что предоставил Дирк... duplicated имеет аргумент fromLast, который вы можете использовать для выбора последней строки:

d[ !duplicated(d$x,fromLast=TRUE), ]

Ответ 3

Вот решение data.table, эффективное время и память для больших наборов данных

library(data.table)
DT <- as.data.table(d)           # convert to data.table
setkey(DT, x)                    # set key to allow binary search using `J()`
DT[J(unique(x)), mult ='last']   # subset out the last row for each x
DT[J(unique(x)), mult ='first']  # if you wanted the first row for each x