R 数据框 - 如何提取唯一值

Question

我正在尝试为 SUBJ 的每个组合提取第一条记录, BLK和 TR从一个数据集。简化的集合 sampleData 是:

SUBJ BLK TR    BEG    END
1  1234   1  1 111021 111021
2  1234   1  1 111400 111021
3  1234   1  1 111566 111021
4  1234   1  1 111765 111021
5  1234   2  2 132050 133113
6  1234   2  2 133123 133113
7  1234   2  2 133479 133113
8  1234   2  2 133762 133113
9  5678   1  1  82503  82502
10 5678   1  1  82902  82502
11 5678   1  1  83102  82502
12 5678   1  1  83310  82502
13 5678   2  2 274870 288224
14 5678   2  2 288225 288224
15 5678   2  2 288535 288224
16 5678   2  2 288802 288224

当我尝试这个时:

ddplyFirst <- ddply(sampleData, .(SUBJ, BLK, TR), summarize, 
                        Tr.match = match(unique(TR), TR))

我明白了:

ddplyFirst
  SUBJ BLK TR Tr.match
1 1234   1  1        1
2 1234   2  2        1
3 5678   1  1        1
4 5678   2  2        1

我不知道如何从这个到我想要的，其中包括 BEG和 END值或 BEG - END .

现在，事实证明，在上面的例子中，END是一个唯一的数字，所以我可以这样做:

first <- with(sampleData, match(unique(END), END))

这给了我:

sampleData[first,]
   SUBJ BLK TR    BEG    END
1  1234   1  1 111021 111021
5  1234   2  2 132050 133113
9  5678   1  1  82503  82502
13 5678   2  2 274870 288224

问题是完整的数据集有 202,616 条记录，我不能保证 BEG或 END对 SUBJ 的不同组合具有唯一值, BLK , 和 TR .

另外，我想学习如何解决更一般的情况，对我来说，现在将获得每个 SUBJ 中的第一条记录。 , BLK , 和 TR组合。

当然，更一般的情况是获取每个 SUBJ 中的第 n 条记录。 , BLK , 和 TR组合。如果有人能告诉我如何做这些“更”一般或“最”一般解决方案中的一个或另一个，我将不胜感激。

Answer 1

无需使用summarise在这里，您可以执行此操作(使用 head 获取第一行)

 ddply(sampleData, .(SUBJ, BLK, TR), function(x) head(x,1))
  SUBJ BLK TR    BEG    END
1 1234   1  1 111021 111021
2 1234   2  2 132050 133113
3 5678   1  1  82503  82502
4 5678   2  2 274870 288224

或者更一般地获得第 n 行.n 你可以这样做:

ddply(sampleData, .(SUBJ, BLK, TR), function(x) x[min(row.n,nrow(x),])