Wie doppelte Spalten (Inhalt) in data.table R entfernen?

Question

Wie entferne ich doppelte Spalten mit data.table? (Wobei nur einer von ihnen)

Ich weiß, es gibt noch andere Fragen über doppelte Spalten, aber sie überprüfen nur für doppelte Spaltennamen nicht für den Inhalt,

Was ich will ist für Spalten mit unterschiedlichen Namen zu sehen, aber gleichen Inhalt.

Grüße

Answer 1

Dies ist eine gemeinsame Aufgabe in Feature-Engineering. Der folgende Code Chunk wurde nur für diesen Zweck von mir und der Gemeinde auf Kaggle entwickelt:

##### Removing identical features 
features_pair <- combn(names(train), 2, simplify = F) # list all column pairs 
toRemove <- c() # init a vector to store duplicates 
for(pair in features_pair) { # put the pairs for testing into temp objects 
    f1 <- pair[1] 
    f2 <- pair[2] 

    if (!(f1 %in% toRemove) & !(f2 %in% toRemove)) { 
    if (all(train[[f1]] == train[[f2]])) { # test for duplicates 
     cat(f1, "and", f2, "are equals.\n") 
     toRemove <- c(toRemove, f2) # build the list of duplicates 
    } 
    } 
} 

Dann können Sie einfach fallen je nachdem, welche Kopie der Duplikate Sie wollen. Standardmäßig verwenden ich die Version in dem temporären Objekt gespeichert f2 und entfernen Sie sie wie folgt aus:

train <- train[,!toRemove]