blocks|key|688003|text|几种可能性，这是我最喜欢的|type|unstyled|depth|inlineStyleRanges|entityRanges|data|688004|library(data.table)
setDT(df)[,+if(%2Bvar(number))+.SD,+by+=+from]
#++++from+number
#+1:++++2++++++1
#+2:++++2++++++2|code-block|syntax|javascript|688005|基本上，对于每个组，我们检查是否存在任何差异，如果是TRUE，则返回组值。|offset|length|style|CODE|688006|有了R基，我就会|688007|df[as.logical(with(df,+ave(number,+from,+FUN+=+var))),+]
#+++from+number
#+3++++2++++++1
#+4++++2++++++2|688008|编辑：对于非数字数据，您可以尝试用于发展版本+of+data.table的新uniqueN函数(或者使用length(unique(number))+>+1代替length(unique(number))+>+1)。|BOLD|688009|setDT(df)[,+if(uniqueN(number)+>+1)+.SD,+by+=+from]|688010|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/Rdatatable/data.table/wiki/Installation^0|0|0|Q|4|0|0|0|0|2|Q|A|12|7|1G|Q|28|Q|I|4|0|0|0^^$0|@$1|2|3|4|5|6|7|13|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|14|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|15|8|@$I|16|J|17|K|L]]|9|@]|A|$]]|$1|M|3|N|5|6|7|18|8|@]|9|@]|A|$]]|$1|O|3|P|5|D|7|19|8|@]|9|@]|A|$E|F]]|$1|Q|3|R|5|6|7|1A|8|@$I|1B|J|1C|K|S]|$I|1D|J|1E|K|L]|$I|1F|J|1G|K|L]|$I|1H|J|1I|K|L]|$I|1J|J|1K|K|L]]|9|@$I|1L|J|1M|1|1N]]|A|$]]|$1|T|3|U|5|D|7|1O|8|@]|9|@]|A|$E|F]]|$1|V|3|-4|5|6|7|1P|8|@]|9|@]|A|$]]]|W|$X|$5|Y|Z|10|A|$11|12]]]]

Several possibilities, here's my favorite

<pre><code>library(data.table)
setDT(df)[, if(+var(number)) .SD, by = from]
# from number
# 1: 2 1
# 2: 2 2
</code></pre>

Basically, per each group we are checking if there is any variance, if <code>TRUE</code>, then return the group values

<hr>

With base R, I would go with

<pre><code>df[as.logical(with(df, ave(number, from, FUN = var))), ]
# from number
# 3 2 1
# 4 2 2
</code></pre>

<hr>

Edit: for a non numerical data you could try the new <code>uniqueN</code> function for <a href="https://github.com/Rdatatable/data.table/wiki/Installation" rel="nofollow">the devel version</a> of <code>data.table</code> (or use <code>length(unique(number)) &gt; 1</code> instead

<pre><code>setDT(df)[, if(uniqueN(number) &gt; 1) .SD, by = from]
</code></pre>

blocks|key|688063|text|使用大卫共享的方差概念，但使用dplyr方式：|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|688064|library(dplyr)+
df+%25>%25+
+++group_by(from)+%25>%25+
+++mutate(variance=var(number))+%25>%25+
+++filter(variance!=0)+%25>%25+
+++select(from,number)

++++#Source:+local+data+frame+[2+x+2]
++++#Groups:+from

+++++++#from+number
+++#1++++2++++++1
+++#2++++2++++++2|code-block|syntax|javascript|688065|entityMap|0|LINK|mutability|MUTABLE|url|https://stackoverflow.com/users/3001626/david-arenburg^0|2|2|0|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@$A|R|B|S|1|T]]|C|$]]|$1|D|3|E|5|F|7|U|8|@]|9|@]|C|$G|H]]|$1|I|3|-4|5|6|7|V|8|@]|9|@]|C|$]]]|J|$K|$5|L|M|N|C|$O|P]]]]

Using concept of variance shared by <a href="https://stackoverflow.com/users/3001626/david-arenburg">David</a> but doing it dplyr way:

<pre><code>library(dplyr) 
df %&gt;% 
 group_by(from) %&gt;% 
 mutate(variance=var(number)) %&gt;% 
 filter(variance!=0) %&gt;% 
 select(from,number)

 #Source: local data frame [2 x 2]
 #Groups: from

 #from number
 #1 2 1
 #2 2 2
</code></pre>

blocks|key|528155|text|你可以试试|type|unstyled|depth|inlineStyleRanges|entityRanges|data|528156|+library(dplyr)
+df1+%25>%25+
+++++group_by(from)+%25>%25
+++++filter(n_distinct(number)>1)
+#++++from+number
+#1++++2++++++1
+#2++++2++++++2|code-block|syntax|javascript|528157|或者使用base+R|offset|length|style|CODE|528158|+indx+<-+rowSums(!!table(df1))>1
+subset(df1,+from+%25in%25+names(indx)[indx])
+#+++from+number
+#3++++2++++++1
+#4++++2++++++2|528159|或|528160|++df1[with(df1,+!ave(number,+from,+FUN=anyDuplicated)),]
++#+++from+number
++#3++++2++++++1
++#4++++2++++++2|528161|entityMap^0|0|0|4|6|0|0|0|0^^$0|@$1|2|3|4|5|6|7|U|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|V|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|W|8|@$I|X|J|Y|K|L]]|9|@]|A|$]]|$1|M|3|N|5|D|7|Z|8|@]|9|@]|A|$E|F]]|$1|O|3|P|5|6|7|10|8|@]|9|@]|A|$]]|$1|Q|3|R|5|D|7|11|8|@]|9|@]|A|$E|F]]|$1|S|3|-4|5|6|7|12|8|@]|9|@]|A|$]]]|T|$]]

You could try 

<pre><code> library(dplyr)
 df1 %&gt;% 
 group_by(from) %&gt;%
 filter(n_distinct(number)&gt;1)
 # from number
 #1 2 1
 #2 2 2
</code></pre>

Or using <code>base R</code>

<pre><code> indx &lt;- rowSums(!!table(df1))&gt;1
 subset(df1, from %in% names(indx)[indx])
 # from number
 #3 2 1
 #4 2 2
</code></pre>

Or

<pre><code> df1[with(df1, !ave(number, from, FUN=anyDuplicated)),]
 # from number
 #3 2 1
 #4 2 2
</code></pre>

I have data with a grouping variable ("from") and values ("number"):

<pre><code>from number
 1 1
 1 1
 2 1
 2 2
 3 2
 3 2
</code></pre>

I want to subset the data and select groups which have two or more unique values. In my data, only group 2 has more than one distinct 'number', so this is the desired result: 

<pre><code>from number
 2 1
 2 2
</code></pre>

Select groups with more than one distinct value

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我有一个分组变量("from")和值(“number”)的数据：from number   1      1   1      1   2      1   2      2   3      2   3      2我希望对数据进行子集，并选择具有两个或多个唯一值的组。在我的数据中，只有第2组有多个不同的“数字”，因...

问选择具有多个不同值的组
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问选择具有多个不同值的组EN