r - 有条件地从 data.frame 中删除重复项

Question

我正在尝试找出如何根据变量 s 的重复值对数据集进行子集化，同时考虑到与该行关联的 id。

假设我的数据集是:

dat <- read.table(text = "
        id     s          
        1      2     
        1      2     
        1      1      
        1      3     
        1      3     
        1      3     
        2      3     
        2      3     
        3      2     
        3      2", 
header=TRUE)

我想要做的是，对于每个id，仅保留s = 3的第一行。 dat 的结果将是:

        id     s          
        1      2     
        1      2     
        1      1      
        1      3         
        2      3         
        3      2     
        3      2

我曾尝试同时使用 duplicated() 和 which() 来在第二时刻使用 subset()，但我哪儿也不去。主要问题是隔离 s = 3 “ block ”的第一行是不够的，因为在某些情况下(如这里在 id = 1 和 id = 2) 一个 id 和另一个 id 之间的 3 重叠。您会采用哪种策略？

Answer 1

像这样:

subset(dat, s != 3 | s == 3 & !duplicated(dat)) 
#    id s
# 1   1 2
# 2   1 2
# 3   1 1
# 4   1 3
# 7   2 3
# 9   3 2
# 10  3 2

请注意，使用 subset 可能很危险(请参阅 Why is `[` better than `subset`? )，因此更长但更安全的版本是:

dat[dat$s != 3 | dat$s == 3 & !duplicated(dat), ]