Eliminar duplicados de un data frame en R

Problema

Deseamos eliminar los duplicados de un data frame en R.

Solución

Disponemos de múltiples opciones. Emplearemos como ejemplo el conjunto de datos iris que contiene dos filas duplicadas: la 102 y la 143

Paquete base

Detectamos los duplicados.

# De arriba a abajo
anyDuplicated(iris) # Número de fila
iris[duplicated(iris), ]  # Fila

    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
143          5.8         2.7          5.1         1.9 virginica

# De abajo a arriba
anyDuplicated(iris, fromLast = TRUE)
iris[duplicated(iris, fromLast = TRUE), ]

    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
102          5.8         2.7          5.1         1.9 virginica

Eliminamos los duplicados.

unique(iris)
iris[!duplicated(iris), ]
# En orden inverso
unique(iris, fromLast = TRUE)
iris[!duplicated(iris, fromLast = TRUE), ]

Paquete dplyr

library(dplyr)
iris %>% distinct

Paquete sqldf

library(sqldf)
sqldf('SELECT DISTINCT * FROM iris')

Notas

Usando el paquete base veremos que conserva el número de filas —150— aunque observaremos, dependiendo del orden que hayamos escogido, que la fila 102 o 143 habrá desaparecido. En cambio con dplyr y sqldf, el resultado numera de nuevo las filas, mostrando la última con el número 149.

Entradas relacionadas

• Cómo comparar dos data frames en R