如果是这种，直接用duplicated函数，例如
set.seed(1234)
df <- data.frame(x1 = sample(c("Normal","Unnormal"), 10, replace = TRUE),
x2 = sample(c("a","b"), 10,replace = TRUE),
x3 = sample(c("c","d"), 10,replace = TRUE))
df
df[!duplicated(df[,-1]),] # 按第2,3列去重后的结果
如果是要去重且必须指定第一列值是“正常”，可以用dplyr包
library(dplyr)
df %>% group_by(x2,x3) %>% filter(x1 == "Normal" &row_number() == 1) %>% ungroup() #
R语言第二章数据处理③删除重复数据果子学生信
1.保留第一个重复: A,A,B,C --->A,B,C
2.去掉所有重复:A,A,B,C --->B,C
一般情况函数默认都是保留第一个重复。
比如：
在R中识别和删除重复数据：
主要运用 dplyr::n()
do包中的duplicate()命令和duplicated()命令的主要区别是前者包含了所有重复项，后者不包含重复的第一项。
duplicate()命令在开发版的do包中，CRAN上的do包并不包含这一命令。
安装方法是devtools:install_github("yikeshu0611/do")
去掉所有重复最简洁函数： df %>% group_by(a) %>% filter(n()==1)
最近正在学习R语言，碰到了因子factor，自己很不理解，网上找了很多的资料，可是感觉都说的很难，自己不是很理解，所以自己决定写一篇博客来帮助和自己一样有困惑的小伙伴。
首先，因子是离散的，它不是连续的，它只是一个标签。举个例子:
下面我们主要介绍一个关于因子的关键函数factor（）及他的一些参数！
这里主要说三个参数
x,我们主要传入的是一个向量，就像上面的例子一样。
为了研究第二、三个参数我们做如下test：
注意到，我们的元素是有重复的，细心的你，发现Levels: 1 2 3保存的是去重的元素，相当于python里面的集合，为什么会这样，或者说这样有什么好处，最大的好处就是节约存储空间，还有就是当数据很多且有很多重复的时候，你可以很直观的看到他真实的数据！
注意，我前面说了，factor的levels只是看不重复的的值，所以这些下该明白了吧。因为V里面不重复的就3个。
然后就会用我们实际需要的levels来一个一个替换，在实践中也是有这种需求的。
labels也可以实现，类比levels即可。传入的依然是c()向量。
