R：如何根据另一个变量中的值选择dplyr:：distinct（）保留的行？

现实生活中的问题：我的受试者有核磁共振扫描数据。其中一些已被扫描多次（单独的行）。其中一些人每次都按照不同的协议进行扫描。我想按主题ID保留所有唯一的行，如果一个主题是在两种不同的协议下扫描的，我希望它更喜欢其中一种

玩具示例：

library(dplyr)  
df <- tibble(
        id = c("A", "A", "B", "C", "C", "D"), 
        protocol = c("X", "Y", "X", "X", "X", "Y"),
        date = c(seq(as.Date("2018-01-01"), as.Date("2018-01-06"), 
                 by="days")),
        var = 1:6)

如果我有多个协议，并且希望分配一个选择它们的顺序，我可以创建一个新变量，在这个变量中，我按照优先顺序为协议分配一个整数，然后使用@joran的建议

df %>% group_by(id) %>% arrange(desc(protocol),var) %>% slice(1)  

---

谢谢

可能有一种更快的方法（几乎可以肯定是使用data.table），但这将是dplyr中天真的直接方法，我认为：

df %>% group_by(id) %>% arrange(desc(protocol),var) %>% do(head(.,1))

---

正如@Gregor在下面提到的（现已删除），

slice（1）

对于

do（head（，1））

来说可能是一个更好的习惯用法，如果您希望输出是一个不是分组数据的TIBLE，则无需使用

group_by（）

df %>% arrange(id, desc(protocol)) %>% distinct(id, .keep_all = TRUE)

---

您可以将此过程分为两个步骤：获取必备项，获取其他ID的任何内容，然后合并

distinct_y <- df %>%
  filter(protocol == "Y") %>%
  distinct(id, .keep_all = TRUE)

distinct_other <- df %>%
  anti_join(distinct_y, "id") %>%
  distinct(id, .keep_all = TRUE)

distinct_combined <- rbind(distinct_y, distinct_other)

---

按字母顺序排列在所述的简单情况下有效，但如果需要，可以添加一个

protocol\u preference

变量，以便在

Y

不可用的情况下给出您希望选择的顺序，并选择“Y”，即使按字母顺序排序时它不是最后一个协议值

基于@davechilders answer和@Nathan Werth基于“重要性顺序”向量创建因子的想法

---

在这种情况下，按字母顺序对协议变量进行排序是很方便的，但是在更一般的情况下，例如，如果有一个“Z”协议，但仍然需要选择“Y”，则可以执行

df%>%arrange（id，desc（protocol='Y'））%%>%distinct（id，.keep_all=TRUE）

@RobJensen，这是最简单的答案（到目前为止）。如果你把它作为一个答案发布，我可以选择它。谢谢！当我拿出desc（）时，它起了作用。我的真实数据有多个不同的协议和不同的名称。我可以做的是创建另一个变量，在该变量中，我根据偏好为每个协议分配一个数字，然后根据该数字进行排序，并对第一个协议进行切片。感谢！+1在您的第一篇文章中发布了一个清晰描述的问题和期望的结果，以及一个小示例和您尝试过的代码那就发帖吧！干杯。

df %>% arrange(id, desc(protocol)) %>% distinct(id, .keep_all = TRUE)

distinct_y <- df %>%
  filter(protocol == "Y") %>%
  distinct(id, .keep_all = TRUE)

distinct_other <- df %>%
  anti_join(distinct_y, "id") %>%
  distinct(id, .keep_all = TRUE)

distinct_combined <- rbind(distinct_y, distinct_other)

# Only difference is the best protocol for C will now be Z.
df2 <- tibble(
  id = c("A", "A", "B", "C", "C", "D"),
  protocol = c("X", "Y", "X", "X", "Z", "Y"),
  date = c(seq(as.Date("2018-01-01"), as.Date("2018-01-06"),
               by="days")),
  var = 1:6
)

order_of_importance <- c("Y", "Z", "X")

df2 %>%
  mutate(protocol = factor(protocol, order_of_importance)) %>%
  group_by(id) %>%
  arrange(protocol) %>%
  slice(1)
# # A tibble: 4 x 4
# # Groups: id [4]
#   id    protocol date         var
#   <chr> <fctr>   <date>     <int>
# 1 A     Y        2018-01-02     2
# 2 B     X        2018-01-03     3
# 3 C     Z        2018-01-05     5
# 4 D     Y        2018-01-06     6

order_of_importance <- c("Y", "Z", "X")

    df2 %>%
      mutate(protocol = factor(protocol, order_of_importance)) %>%
      arrange(id, protocol) %>%
      distinct(id, .keep_all = TRUE)

df %>% 
    arrange(id, desc(protocol == 'Y')) %>% 
    distinct(id, .keep_all = TRUE)