Sélectionnez la première ligne par groupe

Question

À partir d'un cadre de données comme celui-ci

test <- data.frame('id'= rep(1:5,2), 'string'= LETTERS[1:10])
test <- test[order(test$id), ]
rownames(test) <- 1:10

> test
    id string
 1   1      A
 2   1      F
 3   2      B
 4   2      G
 5   3      C
 6   3      H
 7   4      D
 8   4      I
 9   5      E
 10  5      J

Je veux en créer un nouveau avec la première ligne de chaque paire id/chaîne. Si sqldf acceptait du code R en son sein, la requête pourrait ressembler à ceci :

res <- sqldf("select id, min(rownames(test)), string 
              from test 
              group by id, string")

> res
    id string
 1   1      A
 3   2      B
 5   3      C
 7   4      D
 9   5      E

Existe-t-il une solution autre que la création d'une nouvelle colonne telle que

test$row <- rownames(test)

et en exécutant la même requête sqldf avec min(row) ?

Answer 1

(1) SQLite possède une fonction intégrée de rowid pseudo-colonne pour que cela fonctionne :

sqldf("select min(rowid) rowid, id, string 
               from test 
               group by id")

donnant :

  rowid id string
1     1  1      A
2     3  2      B
3     5  3      C
4     7  4      D
5     9  5      E

(2) Aussi sqldf a lui-même un row.names= argument :

sqldf("select min(cast(row_names as real)) row_names, id, string 
              from test 
              group by id", row.names = TRUE)

donnant :

  id string
1  1      A
3  2      B
5  3      C
7  4      D
9  5      E

(3) Une troisième alternative qui mélange les éléments des deux précédentes pourrait être encore meilleure :

sqldf("select min(rowid) row_names, id, string 
               from test 
               group by id", row.names = TRUE)

donnant :

  id string
1  1      A
3  2      B
5  3      C
7  4      D
9  5      E

Notez que ces trois méthodes reposent sur une extension SQLite de SQL où l'utilisation de min o max a la garantie que les autres colonnes seront choisies dans la même rangée. (Dans d'autres bases de données basées sur SQL, cela peut ne pas être garanti).

Answer 2

Une option de base R est le split() - lapply() - do.call() idiome :

> do.call(rbind, lapply(split(test, test$id), head, 1))
  id string
1  1      A
2  2      B
3  3      C
4  4      D
5  5      E

Une option plus directe consiste à lapply() el [ fonction :

> do.call(rbind, lapply(split(test, test$id), `[`, 1, ))
  id string
1  1      A
2  2      B
3  3      C
4  4      D
5  5      E

La virgule-espace 1, ) à la fin de la lapply() L'appel est essentiel car cela équivaut à appeler [1, ] pour sélectionner la première ligne et toutes les colonnes.