登录
首页精彩阅读R语言 删除重复值_数据分析师
R语言 删除重复值_数据分析师
2014-11-07
收藏
R语言 删除重复值_数据分析师

用R语言怎么删除数据中的重复值，最近手头下了一批数据，想要删除其中的重复值，比如：
> data.set
   Ensembl.Gene.ID Gene.Biotype Chromosome.Name Gene.Start..bp. Gene.End..bp.
1  ENSG00000236666    antisense              22        16274560      16278602
2  ENSG00000236666    antisense              22        16274560      16278602
3  ENSG00000234381   pseudogene              22        16333633      16342783
4  ENSG00000234381   pseudogene              22        16333633      16342783
5  ENSG00000234381   pseudogene              22        16333633      16342783
6  ENSG00000234381   pseudogene              22        16333633      16342783
7  ENSG00000234381   pseudogene              22        16333633      16342783
8  ENSG00000234381   pseudogene              22        16333633      16342783
9  ENSG00000234381   pseudogene              22        16333633      16342783
10 ENSG00000224435   pseudogene              22        16345912      16355362

在这个数据中，Ensembl.Gene.ID中只有三个值，其余都是重复值，现在想要根据Ensembl.Gene.ID列重新生成数据，如：
> data.set2
   Ensembl.Gene.ID Gene.Biotype Chromosome.Name Gene.Start..bp. Gene.End..bp.
1  ENSG00000236666    antisense              22        16274560      16278602
3  ENSG00000234381   pseudogene              22        16333633      16342783
10 ENSG00000224435   pseudogene              22        16345912      16355362

那么，在进行这个数据处理的时候也想过用excel来解决，但是excel毕竟有他的局限性，不能处理大批量的数据，所以还是想能够用R语言来处理这批数据。
在网上以及几本主要的R语言书籍中都找了下，没有发现有效的处理办法。
如：http://cos.name/cn/topic/7621 
但是获取了一个比较好的解决思路：用duplicated函数。
duplicated函数是一个可以用来解决向量或者数据框重复值的函数，它会返回一个TRUE和FALSE的向量，以标注该索引所对应的值是否是前面数据所重复的值。

那么我们还是以文中开头提到的数据data.set为例来说明解决办法：
1、建立是否重复索引；
> index<-duplicated(data.set$Ensembl.Gene.ID)
> index
 [1] FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE

2、生成新数据
那么到了这一步，应该是很多R语言爱好者都能够处理的问题了，但是我们会发现，我们要的那一行的值是FALSE，所以在后面我们用!来取反：
> data.set2<-data.set[!index,]
> data.set2
   Ensembl.Gene.ID Gene.Biotype Chromosome.Name Gene.Start..bp. Gene.End..bp.
1  ENSG00000236666    antisense              22        16274560      16278602
3  ENSG00000234381   pseudogene              22        16333633      16342783
10 ENSG00000224435   pseudogene              22        16345912      16355362

这样我们就大功告成了
R语言 数据分析

数据分析咨询请扫描二维码

上一篇成为CDA会员俱乐部志愿者你将获得！
下一篇图论在大数据分析中的作用！
考试指南
报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present, www.cda.cn All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询