熱線電話：13121318867

登錄
首頁精彩閱讀R語言 刪除重復值_數據分析師
R語言 刪除重復值_數據分析師
2014-11-07
收藏
R語言 刪除重復值_數據分析師

用R語言怎么刪除數據中的重復值，最近手頭下了一批數據，想要刪除其中的重復值，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

在這個數據中，Ensembl.Gene.ID中只有三個值，其余都是重復值，現在想要根據Ensembl.Gene.ID列重新生成數據，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，在進行這個數據處理的時候也想過用excel來解決，但是excel畢竟有他的局限性，不能處理大批量的數據，所以還是想能夠用R語言來處理這批數據。
在網上以及幾本主要的R語言書籍中都找了下，沒有發現有效的處理辦法。
如：http://cos.name/cn/topic/7621 
但是獲取了一個比較好的解決思路：用duplicated函數。
duplicated函數是一個可以用來解決向量或者數據框重復值的函數，它會返回一個TRUE和FALSE的向量，以標注該索引所對應的值是否是前面數據所重復的值。

那么我們還是以文中開頭提到的數據data.set為例來說明解決辦法：
1、建立是否重復索引；
> index<-duplicated(data.set$Ensembl.Gene.ID)
> index
 [1] FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE

2、生成新數據
那么到了這一步，應該是很多R語言愛好者都能夠處理的問題了，但是我們會發現，我們要的那一行的值是FALSE，所以在后面我們用!來取反：
> 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

這樣我們就大功告成了


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

R語言 數據分析

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇隨機森林 vs XGBoost vs 決策樹：算法選擇中的
下一篇圖論在大數據分析中的作用！
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢