R语言数据去重

1、unique函数

[plain] view plain copy

 print?

1. > rt  
2.     年 月 公司名 利率  
3. 1 2000  1      A    a  
4. 2 2000  1      A    a  
5. 3 2001  2      A    b  
6. 4 2001  3      A    c  
7. 5 2000  1      B    d  
8. 6 2000  2      B    e  
9. 7 2000  2      B    e  
10. > unique(rt)  
11.     年 月 公司名 利率  
12. 1 2000  1      A    a  
13. 3 2001  2      A    b  
14. 4 2001  3      A    c  
15. 5 2000  1      B    d  
16. 6 2000  2      B    e  
17. > unique(rt,fromLast=TRUE)  
18.     年 月 公司名 利率  
19. 2 2000  1      A    a  
20. 3 2001  2      A    b  
21. 4 2001  3      A    c  
22. 5 2000  1      B    d  
23. 7 2000  2      B    e  

以上是根据你的数据得到的，R中默认的是fromLast=FALSE,即若样本点重复出现，则取首次出现的；

否则去最后一次出现的。列名不变，去掉重复样本值之后的行名位置仍为原先的行名位置。

2、duplicated函数

在数据框中应用较为广泛。

[plain] view plain copy

 print?

1. #源数据  
2. > data.set  
3.    Ensembl.Gene.ID Gene.Biotype Chromosome.Name Gene.Start..bp. Gene.End..bp.  
4. 1  ENSG00000236666    antisense                  22        16274560      16278602  
5. 2  ENSG00000236666    antisense                  22        16274560      16278602  
6. 3  ENSG00000234381   pseudogene              22        16333633      16342783  
7. 4  ENSG00000234381   pseudogene              22        16333633      16342783  
8. 5  ENSG00000234381   pseudogene              22        16333633      16342783  
9. 6  ENSG00000234381   pseudogene              22        16333633      16342783  
10. 7  ENSG00000234381   pseudogene              22        16333633      16342783  
11. 8  ENSG00000234381   pseudogene              22        16333633      16342783  
12. 9  ENSG00000234381   pseudogene              22        16333633      16342783  
13. 10 ENSG00000224435   pseudogene             22        16345912      16355362  
14.   
15. #构建一个布尔向量，索引  
16. > index<-duplicated(data.set$Ensembl.Gene.ID)  
17. > index  
18.  [1] FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  
19.   
20. #筛选数据  
21. > data.set2<-data.set[!index,]  #选中了非重复的数据  
22. > data.set2  
23.   
24. #用法与is.na()对比  
25. x[!is.na(x)]  #选中不是缺失值的数据