Blocco di frame di dati selezionando una riga per gruppo

Question

Sto provando a comprimere un frame di dati rimuovendo tutte le righe tranne una da ogni gruppo di righe con valori identici in una particolare colonna. In altre parole, la prima riga di ogni gruppo.

Per esempio, vorrei convertire questo

> 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 

In questa:

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

sto usando aggregata per fare questo momento, ma la prestazione è inaccettabile con più dati:

Ho provato split/unsplit con lo stesso argomento di funzione di qui, ma unsplit complains abo ut numeri di riga duplicati.

È una possibilità? Esiste un idioma R per convertire il vettore di lunghezza di rle negli indici delle righe che iniziano ogni esecuzione, che posso quindi utilizzare per estrarre quelle righe dal frame dei dati?

Answer 1

Forse duplicated() può aiutare:

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

Modifica Shucks, non importa. Questo sceglie il primo in ogni blocco di ripetizioni, tu volevi l'ultimo. Così qui è un altro tentativo con 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> 

Qui plyr fa il duro lavoro di trovare sottoinsiemi unici, loop su di loro e applicando la funzione fornito - che restituisce semplicemente l'ultima serie di osservazioni in un blocco z utilizzando tail(z, 1) .

Answer 2

solo per aggiungere un po 'a quello che Dirk fornito ... duplicated ha un argomento fromLast che è possibile utilizzare per selezionare l'ultima riga:

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

Answer 3

Ecco una soluzione data.table che sarà tempo e efficiente della memoria per grandi insiemi di dati

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