R语言 删除反复值

最近手头下了一批数据，想要删除个中的反复值，好比：> data.set   Ensembl.Gene.ID Gene.Biotype Chromosome.Name Gene.Start..bp. Gene.End..bp.1  ENSG00000236666    antisense              22        16274560      162786022  ENSG00000236666    antisense              22        16274560      162786023  ENSG00000234381   pseudogene              22        16333633      163427834  ENSG00000234381   pseudogene              22        16333633      163427835  ENSG00000234381   pseudogene              22        16333633      163427836  ENSG00000234381   pseudogene              22        16333633      163427837  ENSG00000234381   pseudogene              22        16333633      163427838  ENSG00000234381   pseudogene              22        16333633      163427839  ENSG00000234381   pseudogene              22        16333633      1634278310 ENSG00000224435   pseudogene              22        16345912      16355362
在这个数据中，Ensembl.Gene.ID中只有三个值，其余都是反复值，此刻想要按照Ensembl.Gene.ID列从头生成数据，如：> data.set2   Ensembl.Gene.ID Gene.Biotype Chromosome.Name Gene.Start..bp. Gene.End..bp.1  ENSG00000236666    antisense              22        16274560      162786023  ENSG00000234381   pseudogene              22        16333633      1634278310 ENSG00000224435   pseudogene              22        16345912      16355362
那么，在举办这个数据处理惩罚的时候也想过用Excel来办理，可是excel究竟有他的范围性，不能处理惩罚大批量的数据，所以照旧想可以或许用R语言来处理惩罚这批数据。在网上以及几本主要的R语言书籍中都找了下，没有发明有效的处理惩罚步伐。如：http://cos.name/cn/topic/7621 可是获取了一个较量好的办理思路：用duplicated函数。duplicated函数是一个可以用来办理向量可能数据框反复值的函数，它会返回一个TRUE和FALSE的向量，以标注该索引所对应的值是否是前面数据所反复的值。
那么我们照旧以文中开头提到的数据data.set为例来说明办理步伐：1、成立是否反复索引；> index<-duplicated(data.set$Ensembl.Gene.ID)> index [1] FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE
2、生成新数据那么到了这一步，应该是许多R语言喜好者都可以或许处理惩罚的问题了，可是我们会发明，我们要的那一行的值是FALSE，所以在后头我们用!来取反：> data.set2<-data.set[!index,]> data.set2   Ensembl.Gene.ID Gene.Biotype Chromosome.Name Gene.Start..bp. Gene.End..bp.1  ENSG00000236666    antisense              22        16274560      162786023  ENSG00000234381   pseudogene