web-dev-qa-db-fra.com

doublons dans plusieurs colonnes

J'ai une trame de données comme ça

> df
  a  b c    d
1 1  2 A 1001
2 2  4 B 1002
3 3  6 B 1002
4 4  8 C 1003
5 5 10 D 1004
6 6 12 D 1004
7 7 13 E 1005
8 8 14 E 1006

Je veux supprimer les lignes où il y a des valeurs répétées dans la colonne c ET la colonne d. Ainsi, dans cet exemple, les lignes 2,3,5 et 6 seraient supprimées.

J'ai utilisé cela, qui fonctionne:

df[!(df$c %in% df$c[duplicated(df$c)] & df$d %in% df$d[duplicated(df$d)]),]
>df
  a  b c    d
1 1  2 A 1001
4 4  8 C 1003
7 7 13 E 1005
8 8 14 E 1006

mais cela semble maladroit et je ne peux pas m'empêcher de penser qu'il y a une meilleure façon. Aucune suggestion?

Au cas où quelqu'un voudrait recréer la trame de données, voici le dput:

df = structure(list(a = c(1, 2, 3, 4, 5, 6, 7, 8), b = c(2, 4, 6, 
8, 10, 12, 13, 14), c = structure(c(1L, 2L, 2L, 3L, 4L, 4L, 5L, 
5L), .Label = c("A", "B", "C", "D", "E"), class = "factor"), 
    d = c(1001, 1002, 1002, 1003, 1004, 1004, 1005, 1006)), .Names = c("a", 
"b", "c", "d"), row.names = c(NA, -8L), class = "data.frame")
rdataframeduplicate-removal
32
Davy Kavanagh

Cela fonctionne si vous utilisez duplicated deux fois:

df[!(duplicated(df[c("c","d")]) | duplicated(df[c("c","d")], fromLast = TRUE)), ]

  a  b c    d
1 1  2 A 1001
4 4  8 C 1003
7 7 13 E 1005
8 8 14 E 1006
27
Sven Hohenstein

Créez un nouvel objet avec les 2 colonnes:

df_dups <- df[c("c", "d")]

Maintenant, appliquez-le à votre df principal:

df[!duplicated(df_dups),]

Semble plus propre et facile à voir/modifier les colonnes que vous utilisez.

20
Tunn