Выберите представительные элементы из dataframe

Question

Я отсортированных в соответствии с dataframe второго и третьего столбца, используя следующий код:

EXP[rev(order(EXP$1, EXP$2)),] 

, где EXP это имя фрейма данных.

Теперь мне нужна только первая строка каждого репрезентативного идентификатора, отсортированного по второму столбцу. Каков наилучший способ сделать это в R?

Структура данных выглядит следующим образом:

A_1784709  10007 0.40446362 
B_2329958  10006 0.22501015 
A_1739081  10006 0.10621801 
B_1679600  10005 0.51709792 
A_1770963  10004 0.21095531 
A_2067520 100033416 0.08301735 
A_1740024  10003 0.40881969 
B_1751882  10002 0.09964711 
A_1667906  10002 0.08826233 
B_1791916  10002 0.08408508 
A_1775734  10044 0.28613624 
B_1674440  10044 0.16204336 
B_2321648  10044 0.15484888 
B_1654543  10001 0.27293547 
B_1733559 100008589 1.03071504 
A_2325610  10000 0.29913509 
A_1733598  10000 0.14406499 
B_1757130  10000 0.12600686 
A_1779228  1000 0.37764131 
A_1803686  100 0.62712817 
A_1670903  10 0.09947230 

И мне нужны результаты что-то вроде этого:

A_1784709  10007 0.40446362 
B_2329958  10006 0.22501015 
B_1679600  10005 0.51709792 
A_1770963  10004 0.21095531 
A_2067520 100033416 0.08301735 
A_1740024  10003 0.40881969 
B_1751882  10002 0.09964711 
A_1775734  10044 0.28613624 
B_1654543  10001 0.27293547 
B_1733559 100008589 1.03071504 
A_2325610  10000 0.29913509 
A_1779228  1000 0.37764131 
A_1803686  100 0.62712817 
A_1670903  10 0.09947230 

Answer 1

Мы могли бы использовать duplicated() с отрицанием (!) здесь:

> EXP[!duplicated(EXP[,2]),] 
      V1  V2   V3 
1 A_1784709  10007 0.40446362 
2 B_2329958  10006 0.22501015 
4 B_1679600  10005 0.51709792 
5 A_1770963  10004 0.21095531 
6 A_2067520 100033416 0.08301735 
7 A_1740024  10003 0.40881969 
8 B_1751882  10002 0.09964711 
11 A_1775734  10044 0.28613624 
14 B_1654543  10001 0.27293547 
15 B_1733559 100008589 1.03071504 
16 A_2325610  10000 0.29913509 
19 A_1779228  1000 0.37764131 
20 A_1803686  100 0.62712817 
21 A_1670903  10 0.09947230 

данные

EXP <- structure(list(V1 = structure(c(9L, 21L, 4L, 15L, 6L, 11L, 5L, 
    17L, 1L, 19L, 7L, 14L, 20L, 13L, 16L, 12L, 3L, 18L, 8L, 10L, 2L), 
    .Label = c("A_1667906", "A_1670903", "A_1733598", "A_1739081", 
    "A_1740024", "A_1770963", "A_1775734", "A_1779228", "A_1784709", 
    "A_1803686", "A_2067520", "A_2325610", "B_1654543", "B_1674440", 
    "B_1679600", "B_1733559", "B_1751882", "B_1757130", "B_1791916", 
    "B_2321648", "B_2329958"), class = "factor"), V2 = c(10007L, 
    10006L, 10006L, 10005L, 10004L, 100033416L, 10003L, 10002L, 10002L, 
    10002L, 10044L, 10044L, 10044L, 10001L, 100008589L, 10000L, 10000L, 
    10000L, 1000L, 100L, 10L), V3 = c(0.40446362, 0.22501015, 0.10621801, 
    0.51709792, 0.21095531, 0.08301735, 0.40881969, 0.09964711, 0.08826233, 
    0.08408508, 0.28613624, 0.16204336, 0.15484888, 0.27293547, 1.03071504, 
    0.29913509, 0.14406499, 0.12600686, 0.37764131, 0.62712817, 0.0994723)), 
    .Names = c("V1", "V2", "V3"), class = "data.frame", row.names = c(NA, -21L)) 

Answer 2

Допустим, вы имели дополнительный столбец, содержащий 1,2,3 и повторяющиеся строки

EXP$V4 <- c(rep(c(1,2,3),nrow(EXP)/3)) 
EXP <- rbind(EXP,data.frame(V1="B_1791916",V2=10002,V3=0.08408508,V4=3)) 

И вы хотите не-дублирует строки из обоих столбца 2 и этот дополнительный столбец ! дублируется даст вам это:

EXP[!duplicated(EXP[,2]) & !duplicated(EXP[,4]),] 
    V1 V2  V3 V4 
1 A_1784709 10007 0.4044636 1 
2 B_2329958 10006 0.2250101 2 

в то время как уникальный() дает следующее

unique(EXP[c("V4", "V2")]) 
    V4  V2 
1 1  10007 
2 2  10006 
3 3  10006 
4 1  10005 
5 2  10004 
6 3 100033416 
7 1  10003 
8 2  10002 
9 3  10002 
10 1  10002 
11 2  10044 
12 3  10044 
13 1  10044 
14 2  10001 
15 3 100008589 
16 1  10000 
17 2  10000 
18 3  10000 
19 1  1000 
20 2  100 
21 3  10 

unique() позволяет не дублировать два столбца. duplicated(), однако, хорошо обнаруживает дублирующие наблюдения.