Удалять повторяющиеся наблюдения на основе набора правил

Я пытаюсь удалить повторяющиеся наблюдения из набора данных на основе моей переменной id. Однако я хочу, чтобы удаление наблюдений основывалось на следующих правилах. Переменные ниже - это id, пол главы домохозяйства (1-мужчина, 2-женщина) и возраст главы домашнего хозяйства. Правила заключаются в следующем. Если в домохозяйстве есть главы мужского и женского домохозяйств, удалите наблюдение за домашними хозяйствами женщин. Если домашнее хозяйство как две мужские или две женские головы, удалите наблюдение с младшей головкой домашнего хозяйства. Ниже приведен пример набора данных.

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))

Ответ 1

Вы можете сделать это, предварительно заказав data.frame, чтобы первая запись для каждого id была первой, а затем удалите строки с дубликатом 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

Ответ 2

С data.table это легко с помощью "сложных запросов". Чтобы заказать данные, когда вы его прочитали, установите "ключ", когда вы читаете его как "id, sex" (требуется в случае, если какие-либо женские значения придут до мужских значений для данного идентификатора).

> 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