时间戳

首页 > 解决方案 > 如何确定列中并非全部相同的重复行？

r - 如何确定列中并非全部相同的重复行？

问题描述

假设我想查找列的重复行：

              cols<-c("col1", "col2")

我知道数据 f4 重复行是：

      Jo<-df4[duplicated(df4[cols]) | duplicated(df4[cols], fromLast = TRUE), ]

并从数据集中删除这些重复的行给出：

      No<-df4[!(duplicated(df4[cols]) | duplicated(df4[cols], fromLast = TRUE)), ]

我想修改上面的代码。假设有一个名为 mode 的列。它需要 1 到 4 之间的整数。我不希望所有重复的行都具有相同的模式 ==2。

例子

          col1       col2        mode
            1          3           5
            5          3           9
            1          2           1
            1          2           1
            3          2           2
            3          2           2
            4          1           3
            4          1           2
            4          1           2

输出

          Jo:

          col1       col2        mode
            1          2           1
            1          2           1
            4          1           3
            4          1           2
            4          1           2

          No:

          col1       col2        mode
            1          3           5
            5          3           9
            3          2           2
            3          2           2

在上面的示例中，在第 3 行和第 4 行中，因为 mode==2 两者都不是重复的，但是对于最后三行，因为其中一个不是 2 ，所以它们是重复的

标签： rdataframe

解决方案

基于更新的数据集，

library(dplyr)
out1 <- df2 %>%
            group_by_at(vars(cols)) %>%
            filter(n() > 1, !all(mode ==2)) 


out2 <- anti_join(df2, out1)
out1
# A tibble: 5 x 3
# Groups:   col1, col2 [2]
#   col1  col2  mode
#  <int> <int> <int>
#1     1     2     1
#2     1     2     1
#3     4     1     3
#4     4     1     2
#5     4     1     2

out2
#  col1 col2 mode
#1    1    3    5
#2    5    3    9
#3    3    2    2
#4    3    2    2

或与data.table

library(data.table)
i1 <- setDT(df2)[ ,  .I[.N > 1 & !all(mode == 2)],  by = cols]$V1
df2[i1]
#   col1 col2 mode
#1:    1    2    1
#2:    1    2    1
#3:    4    1    3
#4:    4    1    2
#5:    4    1    2

df2[!i1]
#   col1 col2 mode
#1:    1    3    5
#2:    5    3    9
#3:    3    2    2
#4:    3    2    2

或使用base R

i1 <- duplicated(df2[1:2])|duplicated(df2[1:2], fromLast = TRUE)
out11 <- df2[i1 & with(df2, !ave(mode==2, col1, col2, FUN = all)),]
out22 <- df2[setdiff(row.names(df2), row.names(out11)),]

数据

df2 <- structure(list(col1 = c(1L, 5L, 1L, 1L, 3L, 3L, 4L, 4L, 4L), 
    col2 = c(3L, 3L, 2L, 2L, 2L, 2L, 1L, 1L, 1L), mode = c(5L, 
    9L, 1L, 1L, 2L, 2L, 3L, 2L, 2L)), class = "data.frame", row.names = c(NA, 
-9L))

推荐阅读