eliminare colonne ridondanti in R

Question

Ho qualcosa di simile a questo:

date  pgm  in.x  logs  out.y 
20130514 na  12  j1   12 
20131204 z2  03  j1   03 
20130516 a01  04  j0   04 
20130628 z1  05  j2   05 

ho notato che il dentro e fuori i valori sono sempre gli stessi quindi voglio eliminare la colonna out.y. E ho altre colonne come questa che voglio essere in grado di rilevare tutte le colonne .y che corrispondono alle colonne .x e cancellarle dopo l'unione.

Answer 1

Se assumiamo tutte le ridondanze delle colonne devono essere rimossi

no_duplicate <- data_set[!duplicated(as.list(data_set))] 

farà il trucco.

as.list convertirà il data.frame in un elenco di tutte le sue colonne e duplicated restituirà indici per quelle colonne che hanno tutti i valori come duplicato di una colonna precedentemente vista.

Questo non tenta direttamente di confrontare le colonne .x e .y, ma ha l'effetto di mantenere una copia di ciascuna colonna duplicata, che presumo sia l'obiettivo principale. D'altra parte, rimuoverà anche eventuali colonne .x che sono duplicati di un'altra colonna .x.

---

Se vogliamo mantenere tutte le colonne .x, anche quelli che sono duplicati, una buona soluzione potrebbe essere quella di fare il filtraggio prima l'unione. Supponendo di avere data_x e data_y che sarà fusa per colonna "identificatore":

data_y_nonredundant <- data_y[!(as.list(data_y) %in% as.list(data_x) & names(data_y)!="identifier")] 
data <- merge(data_x, data_y_nonredundant, by=c("identifier")) 

Answer 2

Queste risposte dai nostri colleghi sono undoubtfully ragione, ma una maniera più semplice è da:

dataframe[,5] <- NULL 

Answer 3

ho creato uno più variabile al tuo dataframe che è replica di out.y

x <- data.frame(date = c("20130514","20131204","20130516","20130628"), 
    pgm = c(NA, "z2", "a01", "z1"), in.x= c(12, 3, 4, 5), out.y= c(12, 3, 4, 5),new.y = c(12, 3, 4, 5)) 

y <- x[grepl(".x|.y",colnames(x))] 

in.x out.y new.y 
1 12 12 12 
2 3  3  3 
3 4  4  4 
4 5  5  5 

y$in.x==y[,c("out.y","new.y")] 
    out.y new.y 
[1,] TRUE TRUE 
[2,] TRUE TRUE 
[3,] TRUE TRUE 
[4,] TRUE TRUE 

x <- x[,1:3] 

     date pgm in.x 
1 20130514 <NA> 12 
2 20131204 z2 3 
3 20130516 a01 4 
4 20130628 z1 5