R合併資料框有重複匹配時只保留第一行

2022-06-17 10:06:14 字數 1778 閱讀 9299

合併資料框有重複匹配時通常會返回所有的匹配，如何只保留匹配的第一行呢？其實這個需求也很常見。如晶元探針id和基因id往往多對一，要合併id對應矩陣和晶元表達矩陣時。

data = data.frame(id = c(1,2,3,4,5),


state = c("ks","mn","al","fl","ca"))


scores = data.frame(id = c(1,1,1,2,2,3,3,3),


score = c(66,75,78,86,85,76,75,90))
資料長這樣：

想要這樣的結果：

試了不少方法，以下都是達不到需求的：

dplyr::left_join(data,scores,by="id")


dplyr::inner_join(data,scores,by="id")


dplyr::left_join(data, scores, by="id", match="first") 


merge(data, scores, by = "id")                  


dplyr::semi_join(data, scores, by = "id") 


#distinct去重


dplyr::left_join(data, dplyr::distinct(scores, id, .keep_all = t))


data %>% dplyr::left_join(dplyr::distinct(scores, id, .keep_all = t)) %>% 


tidyr::replace_na(replace = list("score"=0l)) #替換na
通過網上查詢，找到了如下實現方式：

require(data.table)


setdt(scores); setdt(data) # convert to data.tables by reference


scores[data, mult = "first", on = "id", nomatch=0l]


#注意兩者順序


data[scores, mult = "first", on = "id", nomatch=0l] #達不到要求


merge(data, aggregate(score ~ id, data=scores, head, 1), by="id")
merge(data, scores[!duplicated(scores$id),], by="id")
#return also those which found no match


tt #return only those which found a match


tt[!is.na(tt$score),]
個人最鍾意第一種方法，因為data.table真的適合處理大資料，相比於join和merge等快了不少，幾千萬個基因探針我用join處理的話要很久很久，而且佔的記憶體超級大。data.table幾分鐘就處理完了。

不過data.table的語法感覺怪怪的，所以一直沒去學，看來要好好學習一下了。

R語言中的資料框合併

兩個資料框有相同和不同列 合併 id c 1,2,3,4 name c a b c d score c 60,70,80,90 student1 data.frame id,name student2 data.frame id,score total student1 merge student1...

R 資料框操作

1.按條件提取某些樣本 data subj age presentation product choice 1 1 m 21 absdiff pillow y 2 1 m 21 absdiff table y 3 1 m 21 absdiff helmet y 4 1 m 21 absdiff ne...

R語言資料框

資料框的建立 通過data.frame函式來建立資料框，該函式包含的主要引數為 data.frame row.names null,check.rows false,check.names true,stringsasfactors default.stringsasfactors 建立乙個資料框 ...