Zwijanie ramki danych przez wybranie jednego wiersza na grupę

Question

Próbuję zwinąć ramkę danych, usuwając wszystkie wiersze z wyjątkiem jednego z każdej grupy wierszy z identycznymi wartościami w określonej kolumnie. Innymi słowy, pierwszy wiersz z każdej grupy.

Na przykład chciałbym skonwertować ten

> 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 

Do tego:

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

Używam kruszywo to zrobić obecnie, ale wydajność jest nie do przyjęcia z większą ilością danych:

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

próbowałem split/niedwojonych z tym samym argumentem funkcji jak tutaj, ale niedwojonych narzeka abo ut duplikat numerów wierszy.

Czy istnieje możliwość? Czy istnieje idiom R do zamiany wektora długości rle na indeksy wierszy, które rozpoczynają każdy przebieg, które następnie mogę wykorzystać do zerwania tych wierszy z ramki danych?

Answer 1

Może duplicated() może pomóc:

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

Edit Shucks, nieważne. Ten wybiera pierwszy w każdym bloku powtórzeń, chciałeś ostatni. Więc tutaj jest kolejna próba korzystania 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> 

Tutaj plyr robi ciężka praca znalezienia unikalne podzbiory, zapętlenie nad nimi i stosując funkcję dostarczoną - które po prostu zwraca ostatni zbiór obserwacji w bloku z wykorzystaniem tail(z, 1) .

Answer 2

Wystarczy dodać trochę do tego, co Dirk warunkiem ... duplicated ma fromLast argument, który można użyć, aby wybrać ostatni wiersz:

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

Answer 3

Oto data.table rozwiązanie, które będzie czas i pamięć wydajny dla dużych zbiorów danych

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