如何删除R中由三列组成的组中的重复项

假设我们有这样一个数据帧：

PatientID   BookingID   Level1   Level2  Value 
a1           101-A1        1     HBA1C   9.4
a2           102-A2        1     LDL     116
a1           101-A1        1     VLDL    11
a1           101-A1        2     POL     10
a1           102-A1        1     HBA1c   9.4
a2           102-A2        1     VLDL    10
a1           102-A1        1     VLDL    11
a2           103-A2        1     LDL     116
a2           103-A2        1     VLDL    11
a1           102-A1        2     POL     10

PatientID   BookingID   Level1   Level2  Value 
a1           101-A1        1     HBA1C    9.4
a2           102-A2        1      LDL     116
a1           101-A1        1      VLDL    11
a1           101-A1        2      POL     10
a2           102-A2        1      VLDL    10
a2           103-A2        1      LDL     116
a2           103-A2        1      VLDL    11

library(dplyr)
library(stringr)
library(tidyr)
df %>% 
  group_by(PatientID, BookingID) %>% 
  mutate(Key = paste(Level1, Level2, Value, collapse=";")) %>% 
  ungroup() %>% 
  select(-Level1, -Level2, -Value) %>% 
  distinct(PatientID, Key, .keep_all=TRUE) %>% 
  mutate(Key = str_split(Key, ";")) %>% 
  unnest(Key) %>% 
  separate(Key, into=c("Level1", "Level2", "Value"), 
           sep=" ", remove=TRUE) %>%
  arrange(PatientID, BookingID, Level1, Level2)

# A tibble: 7 × 5
  PatientID BookingID Level1 Level2 Value
*     <chr>     <chr>  <chr>  <chr> <chr>
1        a1    101-A1      1  HBA1C   9.4
2        a1    101-A1      1   VLDL    11
3        a1    101-A1      2    POL    10
4        a2    102-A2      1    LDL   116
5        a2    102-A2      1   VLDL    10
6        a2    103-A2      1    LDL   116
7        a2    103-A2      1   VLDL    11

其想法是，患者（唯一的患者ID）可以来到实验室并接受一组条件的测试-更广泛的测试类别是level1，其子类别是level2（level1与level2有一对多关系），现在患者ID的BookingId列可以根据不同的就诊日期而有所不同。值列表示每个测试的值（患者ID与BookingID具有一对多关系）

因此，一组由“级别1”、“patientID”及其“值”的一个组合组成，如果patientIDa1两次来测试自己——101-a1和102-a1，并且如果所有测试值都相同，则只剩下其中一个，如果有任何变化，如patientIDa2的情况，则所有值都保留，因此，我们希望o/p如下所示：

PatientID   BookingID   Level1   Level2  Value 
a1           101-A1        1     HBA1C   9.4
a2           102-A2        1     LDL     116
a1           101-A1        1     VLDL    11
a1           101-A1        2     POL     10
a1           102-A1        1     HBA1c   9.4
a2           102-A2        1     VLDL    10
a1           102-A1        1     VLDL    11
a2           103-A2        1     LDL     116
a2           103-A2        1     VLDL    11
a1           102-A1        2     POL     10

PatientID   BookingID   Level1   Level2  Value 
a1           101-A1        1     HBA1C    9.4
a2           102-A2        1      LDL     116
a1           101-A1        1      VLDL    11
a1           101-A1        2      POL     10
a2           102-A2        1      VLDL    10
a2           103-A2        1      LDL     116
a2           103-A2        1      VLDL    11

library(dplyr)
library(stringr)
library(tidyr)
df %>% 
  group_by(PatientID, BookingID) %>% 
  mutate(Key = paste(Level1, Level2, Value, collapse=";")) %>% 
  ungroup() %>% 
  select(-Level1, -Level2, -Value) %>% 
  distinct(PatientID, Key, .keep_all=TRUE) %>% 
  mutate(Key = str_split(Key, ";")) %>% 
  unnest(Key) %>% 
  separate(Key, into=c("Level1", "Level2", "Value"), 
           sep=" ", remove=TRUE) %>%
  arrange(PatientID, BookingID, Level1, Level2)

# A tibble: 7 × 5
  PatientID BookingID Level1 Level2 Value
*     <chr>     <chr>  <chr>  <chr> <chr>
1        a1    101-A1      1  HBA1C   9.4
2        a1    101-A1      1   VLDL    11
3        a1    101-A1      2    POL    10
4        a2    102-A2      1    LDL   116
5        a2    102-A2      1   VLDL    10
6        a2    103-A2      1    LDL   116
7        a2    103-A2      1   VLDL    11

我尝试使用Dplyr包中的以下代码，但这会删除我们想要的内容：

abcTest1 <- FullData %>% group_by(level1, patientId, value) %>% slice(1)

abcTest1%group\u by（level1，patientId，value）%%>%slice（1）

---

我似乎无法正确执行此操作，请提供输入

使用优秀的软件包以简单的方式执行此操作：

install.packages（“data.table”）
库（数据表）
FullData%%as.data.table
abcTest1%唯一性（由=c（“级别1”、“患者ID”、“值”））

这是

duplicated（）

函数的经典用法。此函数用于确定向量或数据帧的唯一元素，并返回一个逻辑值，该值指示在对象中较早看到的元素。在这种情况下，我们可以对要查找其唯一元素的数据帧列使用

duplicated（）

，并使用输出进行索引

> df[!duplicated(df[c("PatientID", "Level1", "Value")]), ]
  PatientID BookingID Level1 Level2 Value
1        a1    101-A1      1  HBA1C   9.4
2        a2    102-A2      1    LDL 116.0
3        a1    101-A1      1   VLDL  11.0
4        a1    101-A1      2    POL  10.0
6        a2    102-A2      1   VLDL  10.0
9        a2    103-A2      1   VLDL  11.0

---

我的输出与您的略有不同，因为第二行的值

116

不在那里，但根据您的描述，我认为这是示例中的一个错误。

您只需使用unique

PatientID <- c("a1","a2","a1")
BookingID <- c("num1","num2","num1")
Level1 <- c(1,2,1)
Level2 <- c("HBA", "CDA", "HBA")
Value <- c(10,4,10)

df <- data.frame(PatientID,BookingID,Level1,Level2,Value)
df <- unique(df)

---

PatientID您也可以这样做：

library(dplyr)
> df
# A tibble: 10 × 5
   PatientID BookingID Level1 Level2 Value
       <chr>     <chr>  <dbl>  <chr> <dbl>
1         a1    101-A1      1  HBA1C   9.4
2         a2    102-A2      1    LDL 116.0
3         a1    101-A1      1   VLDL  11.0
4         a1    101-A1      2    POL  10.0
5         a1    102-A1      1  HBA1c   9.4
6         a2    102-A2      1   VLDL  10.0
7         a1    102-A1      1   VLDL  11.0
8         a2    103-A2      1    LDL 116.0
9         a2    103-A2      1   VLDL  11.0
10        a1    102-A1      2    POL  10.0
> df %>% distinct(PatientID, Level1, Value, .keep_all=TRUE)
# A tibble: 6 × 5
  PatientID BookingID Level1 Level2 Value
      <chr>     <chr>  <dbl>  <chr> <dbl>
1        a1    101-A1      1  HBA1C   9.4
2        a2    102-A2      1    LDL 116.0
3        a1    101-A1      1   VLDL  11.0
4        a1    101-A1      2    POL  10.0
5        a2    102-A2      1   VLDL  10.0
6        a2    103-A2      1   VLDL  11.0

基本上，我们首先从我们最感兴趣的三个值开始，
Level1
、
Level2
、和
Value
，然后放入一个字符串，在该字符串中，我们用分号分隔每个
BookingID
的每组值。这将为我们提供两行信息，分别是
PatientID==a1
和
PatientID==a2
，总共四行。然后，我们仅通过
PatientID
和
Key
进行重复数据消除，但同时告诉R保留
BookingID
。我们发现
a1
的数据相同，但
a2
的数据不同，因为
Value
其中
Level2==POL
在两次就诊中不相同。因此，在重复数据消除之后，剩下三行。然后，我们使用分号作为分隔符拆分
Key
，然后
separate
Key

变量以恢复原始列。

我可以问一下，您为什么要在您的问题中添加标签

mysql

、

excel

和

sqlite

？这个问题似乎与其中任何一个都无关。我可能选择了

unique

、

subset

或

dataframe

。@Barker我可以选择在任何工具上执行此操作，因为sqldf Package支持sql语法请不要麻烦使用一致的列名称。无论如何，这个函数的dplyr函数是

DF%>%distinct（Level1，PatientID，Value）

我认为这不起作用，因为

unique（）

将查看所有列，而

BookingID

和

Level2

列将导致问题。Barker，但问题要求它在所有列中都是唯一的，不是吗？巴克，这会导致什么样的问题，你能运行我的代码一次并检查一下吗？它是根据询问者的要求重新生成的“一组由“级别1”、“patientID”及其“值”的一个组合组成，如果patientID a1两次参加测试——101-a1和102-a1，并且如果所有测试值相同，则只剩下其中一个，因此只有

Level1

、

PatientID

和

Value

重要，而不是

BookingID

或

Level2

。您的示例之所以有效，是因为您在不同的数据上使用它。我在询问者的数据上运行了它，没有删除任何内容。您可以使用

read.table（text=“copyAndPasteTextHere”，header=TRUE）

轻松读取他们的数据。@Barker您可以提出其他建议吗？请正确理解问题-patientID a2在最后一列“11”中有一个不同的vldl值，因此，该patientID的特定级别1的所有其他值需要保持不变，因此使用值为116的第二行needed@Rohan你想要的是；如果

PatientID

和

Level1

的所有唯一组合具有相同的

值

，则返回

PatientID

和

Level1

的唯一值；否则返回该

PatientID

的所有数据？是的，这个想法是如果一名患者来进行三次1级测试-假设1级有20个不同的测试（由2级显示），那么如果在所有20*3条目中，前20个值重复3次，那么我们取唯一的值，否则即使有一个不匹配，我们保留所有信息，因为这一步的问题是，如果有一个非常大的数据集…那么可能会发生这样的情况，即使整个二级测试的一级值可能不同-但如果一些二级值相同，这些值将被删除-尽管它们将处于相同的一级。哇，添加库（magrittr）abcTest1%唯一性（by=（“level1”，“patientId”，“value”））错误：意外”，“in”abcTest1%unique（by=（“level1”，“Hey Andrew，你能解释一下你的代码和我的代码之间的区别吗：abcTest1%unique（by=c（“level1”，“patientId”，“value”））abcTest1%group_by（level1，patientId，value）%>%slice（1）我检查了我的代码得到的输出与你的相同，我没有