R语言：删除cycle列重复且N列为0的数据行

现有一个grouped_df类型的R数据框df，其中cycle列存在重复时间戳（比如第5-6行、第8-9行）。需要删除**cycle重复且对应N列为0**的行，保留cycle重复但N列非0的行；而cycle唯一且N=0的行则保留。

数据定义代码：

df <- structure(list(cycle = structure(c(1606782894, 1606786502, 1606790113, 
1606793721, 1606800941, 1606800941, 1606804550, 1606808160, 1606808160, 
1606845846), tzone = "UTC", class = c("POSIXct", "POSIXt")), 
    N = c(0L, 0L, 0L, 0L, 0L, 3L, 0L, 0L, 1L, 0L)), class = c("grouped_df", 
"tbl_df", "tbl", "data.frame"), row.names = c(NA, -10L), groups = structure(list(
    cycle = structure(c(1606782894, 1606786502, 1606790113, 1606793721, 
    1606797332, 1606800941, 1606804550, 1606808160, 1606845846
    ), tzone = "UTC", class = c("POSIXct", "POSIXt")), .rows = structure(list(
        1L, 2L, 3L, 4L, 5L, 6L, 7L, 8:9, 10L), ptype = integer(0), class = c("vctrs_list_of", 
    "vctrs_vctr", "list"))), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -9L), .drop = TRUE))

原始数据展示：

# A tibble: 10 × 2
# Groups:   cycle [9]
   cycle                  N
   <dttm>              <int>
 1 2020-12-01 00:34:54     0
 2 2020-12-01 01:35:02     0
 3 2020-12-01 02:35:13     0
 4 2020-12-01 03:35:21     0
 5 2020-12-01 05:35:41     0
 6 2020-12-01 05:35:41     3
 7 2020-12-01 06:35:50     0
 8 2020-12-01 07:36:00     0
 9 2020-12-01 07:36:00     1
10 2020-12-01 18:04:06     0

dplyr实现（推荐） #

利用dplyr的分组筛选功能，按cycle分组后，保留满足以下任一条件的行：

• N不为0；
• 该组只有一行（即cycle唯一）且N为0。

代码：

library(dplyr)

df_cleaned <- df %>%
  group_by(cycle) %>%
  filter(N != 0 | n() == 1) %>%
  ungroup() # 可选，若不需要保留分组结构可取消

基础R实现 #

如果不想依赖dplyr，可以用基础R逻辑处理：

# 计算每个cycle的出现次数
cycle_counts <- table(df$cycle)

# 筛选符合条件的行
df_cleaned_base <- df[df$N != 0 | (df$N == 0 & cycle_counts[as.character(df$cycle)] == 1), ]

运行上述代码后，清理后的数据如下：

# A tibble: 8 × 2
  cycle                  N
  <dttm>              <int>
1 2020-12-01 00:34:54     0
2 2020-12-01 01:35:02     0
3 2020-12-01 02:35:13     0
4 2020-12-01 03:35:21     0
5 2020-12-01 05:35:41     3
6 2020-12-01 06:35:50     0
7 2020-12-01 07:36:00     1
8 2020-12-01 18:04:06     0

可以看到，原数据中第5行、第8行（均为cycle重复且N=0）已被删除，对应N≠0的重复行被保留，所有cycle唯一且N=0的行也全部保留。

内容的提问来源于stack exchange，提问作者Wilson Souza