R 如何基于某些列删除重复行（较短的行）？

假设我有以下

df

df <- data.frame(col1 = c(1, 3, 1), col2 = c(2, 4, 2), col3 = c(NA, NA, "c"))
> df
  col1 col2 col3
1    1    2 <NA>
2    3    4 <NA>
3    1    2    c

但这只给了我第三排（而不是第三排和第二排）。如何做好这件事

编辑：真实的

df

有15列，其中前13列用于识别重复项。在最后两列中，大约有2/3的行填充了NAs（前13列不包含任何NAs）。因此，我的示例

df

具有误导性，因为要识别重复项，需要排除两列。对此我很抱歉。

您可以尝试以下方法：

library(dplyr)
df %>% group_by(col1,col2) %>%
  slice(which.min(is.na(col3)))

或者这个：

df %>%
  group_by(col1,col2) %>%
  arrange(col3) %>%
  slice(1)

# # A tibble: 2 x 3
# # Groups:   col1, col2 [2]
#    col1  col2   col3
#   <dbl> <dbl> <fctr>
# 1     1     2      c
# 2     3     4     NA

---

df您可以在删除复制之前将NAs排序到顶部或底部：

# in base, which puts NAs last
odf = df[do.call(order, df), ]
odf[!duplicated(odf[, c("col1", "col2")]), ]

#   col1 col2 col3
# 3    1    2    c
# 2    3    4 <NA>

# or with data.table, which puts NAs first
library(data.table)
DF = setorder(data.table(df))
unique(DF, by=c("col1", "col2"), fromLast=TRUE)

#    col1 col2 col3
# 1:    1    2    c
# 2:    3    4   NA

#在base中，将NAs放在最后
odf=df[do.call（order，df），]
odf[！重复（odf[，c（“col1”，“col2”）），]
#col1 col2 col3
#3 1 2 c
# 2    3    4 
#或者使用data.table，将NAs放在第一位
库（数据表）
DF=设置顺序（数据表（DF））
唯一（DF，by=c（“col1”，“col2”），fromLast=TRUE）
#col1 col2 col3
#1:12 c
#2:34 NA

dplyr不能采用这种方法，它在
arrange
中不提供“按所有列排序”，在
distinct
中也不提供
fromLast
，
@Moody\u Mudskipper该数据帧不会失败？你是对的，对不起，我执行错误。那我就不明白下沃特西·弗兰克对我的回答的评论了，我们不是将军，我们有一个平衡的投票权。我的猜测是，投反对票的人不喜欢你使用
subset
而不是
df[！duplicates，]
或者更简单地说
df[！duplicated（df[，1:2]），]
@user108363对不起，投反对票（现在被锁定了：/）@弗兰克，这实际上是因为这样会删除所有后续重复行，这些行具有不同的非NA
col3
。试试这个：
df如果有两行具有相同的
col1
和
col2
并且都具有非NA
col3
，该怎么办？你应该两个都留着吗？删除第一个？我应该提到这种情况不存在。小点：如果“最长行”OP的意思是“我把一个向量分布在许多列的右边，所有列看起来都像col3”，那么这个答案将选择错误的东西
df=data.frame（col1=1，col2=1，col3=c（NA，“a”，“a”），col4=c（NA，NA，“b”）
。然而，如果OP真的这样做了，他们的数据格式就不好了。嗯，不一定。这个问题有多种解释，OP或许应该加以澄清。看起来他们已经走神了，所以不用急于解决。根据我的新解释，df@Moody失败了是的，这是一种可能的解释。我猜col1，col2是从未丢失的分组变量；而col3+是长度可变的向量，每一行被分流到一行中（因此我们看到任何非最大长度向量都缺少）。不过完全是猜测。@MM，你的
df
是由Frank的
odf
处理的，这正是我想要的方式。再次为这个问题含糊不清的解释感到抱歉。这是一个值得思考的有趣问题：）
df %>% mutate(nna = df %>% is.na  %>% rowSums) %>%
  group_by(col1) %>%         # or group_by(col1,col2)
  slice(which.min(nna)) %>%
  select(-nna)

df <- data.frame(col1 = c(1, 3, 1), col2 = c(2, 4, 2), col3 = c(NA, NA, "c"))
df <- df[order(df$col3),] 

duplicates <- duplicated(df[,1:2])
duplicates_sub <- subset(df , duplicates == FALSE)  

> duplicates_sub
  col1 col2 col3
3    1    2    c
2    3    4 <NA>

df <- data.frame(col1 = c(1, 3, 1,3, 1), col2 = c(2, 4, 2,4, 2), col3 = c("a", NA, "c",NA, "b"))
df <- df[order(df$col3),] 
duplicates <- duplicated(df[,1:2]) & is.na(df[,3])
duplicates_sub <- subset(df , duplicates == FALSE)  

> duplicates_sub
  col1 col2 col3
1    1    2    a
5    1    2    b
3    1    2    c
2    3    4 <NA>

# in base, which puts NAs last
odf = df[do.call(order, df), ]
odf[!duplicated(odf[, c("col1", "col2")]), ]

#   col1 col2 col3
# 3    1    2    c
# 2    3    4 <NA>

# or with data.table, which puts NAs first
library(data.table)
DF = setorder(data.table(df))
unique(DF, by=c("col1", "col2"), fromLast=TRUE)

#    col1 col2 col3
# 1:    1    2    c
# 2:    3    4   NA