A menudo, puede estar interesado en eliminar filas duplicadas en un marco de datos en R. Afortunadamente, esto es fácil de hacer usando la función distintiva () de la biblioteca dplyr .
biblioteca (dplyr)
Este tutorial explica varios ejemplos de cómo utilizar esta función en la práctica utilizando el siguiente marco de datos:
#create marco de datos
df <- data.frame (x = c ('a', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'e' ),
y = c (1, 2, 2, 4, 4, 5, 9, 17, 17, 25))
#ver marco de datos
df
xy
1 a 1
2 b 2
3 b 2
4 b 4
5 c 4
6 c 5
7 c 9
8 d 17
9 d 17
10 y 25
Ejemplo 1: eliminar filas completamente duplicadas
El siguiente código muestra cómo eliminar filas que son duplicados completos de otras filas:
# mostrar solo filas únicas distinto (df) xy 1 a 1 2 b 2 3 b 4 4 c 4 5 c 5 6 c 9 7 días 17 8 y 25 # encontrar el número total de filas en el marco de datos original nrow (df) [1] 10 # encontrar el número total de filas únicas nrow (distintas (df)) [1] 8 # encontrar el número total de filas duplicadas nrow (df) - nrow (distinto (df)) [1] 2
Podemos ver que se eliminaron 2 filas duplicadas del marco de datos.
Ejemplo 2: eliminar duplicados en una columna
El siguiente código muestra cómo eliminar filas que tienen duplicados en una columna específica de un marco de datos:
#muestre solo valores únicos en la columna x distinto (df, x) X 1 a 2 b 3 c 4 días 5 e # mostrar solo valores únicos en la columna x distintos (df, y) y 1 1 2 2 3 4 4 5 5 9 6 17 7 25
También puede eliminar valores duplicados en una columna y aún conservar todas las demás columnas en el marco de datos:
#muestre solo valores únicos en la columna xy mantenga otras columnas distintas (df, x, .keep_all = TRUE ) xy 1 a 1 2 b 2 3 c 4 4 días 17 5 e 25 #muestre solo valores únicos en la columna y y mantenga otras columnas distintas (df, y, .keep_all = TRUE ) xy 1 a 1 2 b 2 3 b 4 4 c 5 5 c 9 6 días 17 7 y 25
Puede encontrar la documentación completa para la distinta () la función aquí .
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
