Comment supprimer les lignes en double dans R pour qu’il n’en reste plus aucune

Vous pouvez utiliser les méthodes suivantes dans R pour supprimer les lignes en double d’un bloc de données afin qu’il n’en reste aucune dans le bloc de données résultant :

Méthode 1 : utiliser Base R

new_df <- df[!(duplicated(df) | duplicated(df, fromLast=TRUE)), ]

Méthode 2 : utiliser dplyr

library(dplyr)

new_df <- df %>%
          group_by(across(everything())) %>%
          filter(n()==1)

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec le bloc de données suivant :

#create data frame
df <- data.frame(team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),
                 points=c(20, 20, 28, 14, 13, 18, 27, 13))

#view data frame
df

  team points
1    A     20
2    A     20
3    A     28
4    A     14
5    B     13
6    B     18
7    B     27
8    B     13

Exemple 1 : utiliser Base R

Le code suivant montre comment utiliser les fonctions de la base R pour supprimer les lignes en double du bloc de données afin qu’il n’en reste plus :

#create new data frame that removes duplicates so none are left
new_df <- df[!(duplicated(df) | duplicated(df, fromLast=TRUE)), ]

#view new data frame
new_df

  team points
3    A     28
4    A     14
6    B     18
7    B     27

Notez que chacune des lignes en double a été supprimée du bloc de données et qu’aucun des doublons n’est conservé.

Exemple 2 : utiliser dplyr

Le code suivant montre comment utiliser les fonctions du package dplyr dans R pour supprimer les lignes en double du bloc de données afin qu’il n’en reste plus :

library(dplyr)

#create new data frame that removes duplicates so none are left
new_df <- df %>%
          group_by(across(everything())) %>%
          filter(n()==1)

#view new data frame
new_df

# A tibble: 4 x 2
# Groups:   team, points [4]
  team  points
    
1 A         28
2 A         14
3 B         18
4 B         27

Notez que chacune des lignes en double a été supprimée du bloc de données et qu’aucun des doublons n’est conservé.

Notez également que cela produit le même résultat que la méthode précédente.

Remarque : Pour les trames de données extrêmement volumineuses, la méthode dplyr sera plus rapide que la méthode de base R.

Ressources additionnelles

Les didacticiels suivants expliquent comment exécuter d’autres fonctions courantes dans R :

Comment supprimer des lignes dans R en fonction de la condition
Comment supprimer des lignes avec NA dans une colonne spécifique dans R