Rimuovere le osservazioni duplicate basate sul set di regole

Question

Sto tentando di rimuovere le osservazioni duplicate da un set di dati basato sulla mia variabile, id. Tuttavia, voglio che la rimozione delle osservazioni sia basata sulle seguenti regole. Le variabili sottostanti sono id, il sesso della testa della famiglia (1-maschio, 2-femmina) e l'età della testa della famiglia. Le regole sono le seguenti. Se una famiglia ha capi famiglia sia maschi che femmine, rimuovere l'osservazione della testa familiare. Se una famiglia ha due teste maschili o due femmine, rimuovi l'osservazione con la testa della famiglia più giovane. Un set di dati di esempio è sotto.

id = c(1,2,2,3,4,5,5,6,7,8,8,9,10) 
sex = c(1,1,2,1,2,2,2,1,1,1,1,2,1) 
age = c(32,34,54,23,32,56,67,45,51,43,35,80,45) 
data = data.frame(cbind(id,sex,age)) 

Answer 1

È possibile farlo dal primo ordinando la data.frame in modo che la voce desiderata per ogni id è il primo, e quindi rimuovere le righe con duplicate id s.

d <- with(data, data[order(id, sex, -age),]) 
# id sex age 
# 1 1 1 32 
# 2 2 1 34 
# 3 2 2 54 
# 4 3 1 23 
# 5 4 2 32 
# 7 5 2 67 
# 6 5 2 56 
# 8 6 1 45 
# 9 7 1 51 
# 10 8 1 43 
# 11 8 1 35 
# 12 9 2 80 
# 13 10 1 45 
d[!duplicated(d$id), ] 
# id sex age 
# 1 1 1 32 
# 2 2 1 34 
# 4 3 1 23 
# 5 4 2 32 
# 7 5 2 67 
# 8 6 1 45 
# 9 7 1 51 
# 10 8 1 43 
# 12 9 2 80 
# 13 10 1 45 

Answer 2

Con data.table, questo è facile con "query composte". Per ordinare i dati quando lo leggi, imposta la "chiave" quando la leggi come "id, sex" (richiesta nel caso in cui i valori femminili vadano prima dei valori maschili per un dato ID).

> library(data.table) 
> DT <- data.table(data, key = "id,sex") 
> DT[, max(age), by = key(DT)][!duplicated(id)] 
    id sex V1 
1: 1 1 32 
2: 2 1 34 
3: 3 1 23 
4: 4 2 32 
5: 5 2 67 
6: 6 1 45 
7: 7 1 51 
8: 8 1 43 
9: 9 2 80 
10: 10 1 45