Исключить последующие повторяющиеся строки

Я хотел бы исключить все повторяющиеся строки. Однако это должно быть верно только тогда, когда они являются последующими строками. Следует репрезентативный пример:

вход df:

    df <- "NAME   VALUE 
    Prb1  0.05
    Prb2  0.05
    Prb3  0.05
    Prb4  0.06
    Prb5  0.06
    Prb6  0.01
    Prb7  0.10
    Prb8  0.05"

df <- read.table(text=df, header=T)

мой ожидаемый outdf:

outdf <- "NAME   VALUE 
Prb1  0.05
Prb4  0.06
Prb6  0.01
Prb7  0.10
Prb8  0.05"

outdf <- read.table(text=df, header=T)

6 ответов


rle() - хорошая функция, которая идентифицирует прогоны одинаковых значений, но это может быть своего рода боль, чтобы бороться с ее выходом в полезную форму. Вот относительно безболезненное заклинание, которое работает в вашем случае.

df[sequence(rle(df$VALUE)$lengths) == 1, ]
#   NAME VALUE
# 1 Prb1  0.05
# 4 Prb4  0.06
# 6 Prb6  0.01
# 7 Prb7  0.10
# 8 Prb8  0.05

вероятно, есть много способов решить эту проблему, я бы попробовал rleid/unique комбинация с data.table версия devel

library(data.table) ## v >= 1.9.5
unique(setDT(df)[, indx := rleid(VALUE)], by = "indx")
#    NAME VALUE indx
# 1: Prb1  0.05    1
# 2: Prb4  0.06    2
# 3: Prb6  0.01    3
# 4: Prb7  0.10    4
# 5: Prb8  0.05    5

или из некоторых замечательных предложений из комментариев:

используя только новые shift функции

setDT(df)[VALUE != shift(VALUE, fill = TRUE)]

или через duplicated в сочетании с rleid

setDT(df)[!duplicated(rleid(VALUE)), ]

Как насчет этого:

> df[c(T, df[-nrow(df),-1] != df[-1,-1]), ]
  NAME VALUE
1 Prb1  0.05
4 Prb4  0.06
6 Prb6  0.01
7 Prb7  0.10
8 Prb8  0.05

здесь df[-nrow(df),-1] != df[-1,-1] находит пары последовательных строк, содержащих разные значения, а остальная часть кода извлекает их из фрейма данных.


Я бы использовал решение, подобное @NPE ' s

df[c(TRUE,abs(diff(df$VALUE))>1e-6),]

конечно, вы можете использовать любой другой уровень толерантности (кроме 1e-6).


я столкнулся с этой хорошей функцией некоторое время назад, которая помечает строки как первые на основе указанной переменной:

  isFirst <- function(x,...) {
      lengthX <- length(x)
      if (lengthX == 0) return(logical(0))
      retVal <- c(TRUE, x[-1]!=x[-lengthX])
      for(arg in list(...)) {
          stopifnot(lengthX == length(arg))
          retVal <- retVal | c(TRUE, arg[-1]!=arg[-lengthX])
      }
      if (any(missing<-is.na(retVal))) # match rle: NA!=NA
          retVal[missing] <- TRUE
      retVal
  }

применяя его к вашим данным дает:

> df$first <- isFirst(df$VALUE)
> df
  NAME VALUE first
1 Prb1  0.05  TRUE
2 Prb2  0.05 FALSE
3 Prb3  0.05 FALSE
4 Prb4  0.06  TRUE
5 Prb5  0.06 FALSE
6 Prb6  0.01  TRUE
7 Prb7  0.10  TRUE
8 Prb8  0.05  TRUE

затем вы можете dedup в первом столбце, чтобы получить ожидаемый результат.

Я нашел это очень полезным в прошлом, особенно исходя из фона SAS, где это было очень легко сделать.


много хороших ответов уже, вот dplyr версия:

filter(df,VALUE!=lag(VALUE,default=df$VALUE[1]+1))