R 中实现取一列最小值去除另一列重复值

最前面的参考链接：

Remove duplicates keeping entry with largest absolute value

简单就是左边变成右边

group_by + summarize 函数
group_by + filter
aggregate 函数
order + !duplicated
data.table
do.call + rbind + split + lapply

> library(tidyverse)
> data <- tibble(index1 = rep(c(1, 2), 2),
               index2 = rep(c(1, 2), each = 2),
               label = letters[1:4]);data
# A tibble: 4 x 3
  index1 index2 label
   <dbl>  <dbl> <chr>
1      1      1 a    
2      2      1 b    
3      1      2 c    
4      2      2 d 

# 方法1：便捷易懂，但是筛选后其他列的信息就不在了
# 通过 dplyr 包的 summrize() 函数实现
> data %>%
    group_by(index1) %>%
    summarize(index2 = min(index2))
# A tibble: 2 x 2
  index1 index2
   <dbl>  <dbl>
1      1      1
2      2      1


# 方法2：通过 filter() 函数来实现
> data %>%
  group_by(index1) %>%
  filter(index2 == min(index2))
# A tibble: 2 x 3
# Groups:   index1 [2]
  index1 index2 label
   <dbl>  <dbl> <chr>
1      1      1 a    
2      2      1 b 


# 方法3：简单，但是没接触的第一次可能不大懂，且筛选后其他列的信息就不在了
# aggregate() 函数
# aggregate(cbind(value1, value2, ...) ~ group1 + group2 + ..., data, FUN = 函数)

> aggregate(index2~index1, data, function(x) x[which.min(abs(x))])
  index1 index2
1      1      1
2      2      1
          
            
# 方法4：稍微显得冗余，但是能保留之前所有的列
> data1 <- data[order(data$index1, data$index2, decreasing = FALSE), ]
> data1[!duplicated(data1$index1), ]
# A tibble: 2 x 3
  index1 index2 label
   <dbl>  <dbl> <chr>
1      1      1 a    
2      2      1 b
          
            
# 方法5：data.table，在 R 中出了名的高效处理包，但是不易理解，但是有人封装成了 tidyfst 包
# 且能保留原本所有列
> library(data.table)
> as.data.table(data)[, .SD[which.min(abs(index2))], by = index1]
   index1 index2 label
1:      1      1     a
2:      2      1     b
            
            
# 方法6：利用 do.call 函数和 split 函数 结合 lapply 以及 rbind
# lapply 故名思议对 list 进行 apply 批量操作
> do.call(rbind, lapply(split(data,data$index1),function(x) x[which.min(abs(data$index2)),]))
# A tibble: 2 x 3
  index1 index2 label
*  <dbl>  <dbl> <chr>
1      1      1 a    
2      2      1 b

简单拓展：aggreagte

书上有一句话：不幸的是 aggregate 函数运行得相当慢

来源书籍

英文名《R for everyone: Adavanced Analytics and Graphics 2nd》

中文名《R 语言：实用数据分析和可视化技术第 2 版》

中文第 103 页开始 aggregate 函数

aggregate(value ~ group, data, FUN = 函数)

value：表示要计算的列，可以通过 cbind() 函数来衔接多个列分组

group：表示要分组的列，可以通过 + 来衔接多个列分组

data：数据

FUN：表示要进行的操作

# 单列分组
> aggregate(price ~ cut, diamonds, FUN = mean)
        cut    price
1      Fair 4358.758
2      Good 3928.864
3 Very Good 3981.760
4   Premium 4584.258
5     Ideal 3457.542

# 多列分组
> aggregate(price ~ cut + color, diamonds, FUN = mean) %>% head(5)
        cut color    price
1      Fair     D 4291.061
2      Good     D 3405.382
3 Very Good     D 3470.467
4   Premium     D 3631.293
5     Ideal     D 2629.095

# 多列计算
> aggregate(cbind(price, carat) ~ cut, diamonds, FUN = mean) %>% head(5)
        cut    price     carat
1      Fair 4358.758 1.0461366
2      Good 3928.864 0.8491847
3 Very Good 3981.760 0.8063814
4   Premium 4584.258 0.8919549
5     Ideal 3457.542 0.7028370

# 多列值  + 多列变量
> aggregate(cbind(price, carat) ~ cut + color, diamonds, FUN = mean) %>% head(5)
        cut color    price     carat
1      Fair     D 4291.061 0.9201227
2      Good     D 3405.382 0.7445166
3 Very Good     D 3470.467 0.6964243
4   Premium     D 3631.293 0.7215471
5     Ideal     D 2629.095 0.5657657