"Daha küçük aboneliklere sahip öğeler" dahil olmak üzere TÜM yinelenen satırları bulma

R'ın duplicateddöner bir vektör ya da veri çerçevesinin her eleman daha küçük bir simge olmayan bir elemanının bir kopyası olup olmadığını gösteren bir vektör. Yani 5 satırlık bir veri çerçevesinin 3, 4 ve 5 satırları aynıysa, duplicatedbana vektörü verecek

FALSE, FALSE, FALSE, TRUE, TRUE

Ama bu durumda gerçekten almak istiyorum

FALSE, FALSE, TRUE, TRUE, TRUE

yani, bir satırın daha büyük bir alt simgeye sahip bir satır tarafından çoğaltılıp çoğaltılmadığını bilmek istiyorum .

duplicatedbir fromLasttartışması var. "Örnek" bölümü ?duplicated, onu nasıl kullanacağınızı gösterir. Sadece duplicatediki kez, bir kez ile fromLast=FALSEve bir kez ile arayın fromLast=TRUEve her ikisini de arayın TRUE.

Geç Düzenleme: Tekrarlanabilir bir örnek sağlamadınız, işte @jbaums tarafından nazikçe katkıda bulunulan bir örnek

vec <- c("a", "b", "c","c","c") 
vec[duplicated(vec) | duplicated(vec, fromLast=TRUE)]
## [1] "c" "c" "c"

Düzenleme: Ve bir veri çerçevesi durumu için bir örnek:

df <- data.frame(rbind(c("a","a"),c("b","b"),c("c","c"),c("c","c")))
df[duplicated(df) | duplicated(df, fromLast=TRUE), ]
##   X1 X2
## 3  c  c
## 4  c  c

Değer kümesini bir araya duplicatedgetirmeniz, uygulamanız uniqueve ardından ile test etmeniz gerekir %in%. Her zaman olduğu gibi, örnek bir problem bu süreci canlandıracaktır.

> vec <- c("a", "b", "c","c","c")
> vec[ duplicated(vec)]
[1] "c" "c"
> unique(vec[ duplicated(vec)])
[1] "c"
>  vec %in% unique(vec[ duplicated(vec)]) 
[1] FALSE FALSE  TRUE  TRUE  TRUE

Ben de aynı soruyu sordum ve yanılmıyorsam, bu da bir cevap.

vec[col %in% vec[duplicated(vec$col),]$col]

Dunno, hangisi daha hızlı olsa da, şu anda kullandığım veri kümesi, önemli zaman boşlukları üreten testler yapacak kadar büyük değil.

Bir dataframe çoğaltılmış satırlar ile elde edilebilir dplyryaparak

df = bind_rows(iris, head(iris, 20)) # build some test data
df %>% group_by_all() %>% filter(n()>1) %>% ungroup()

Verileri group_by_at(vars(-var1, -var2))gruplamak yerine belirli sütunları hariç tutmak için kullanılabilir.

Yalnızca veriler değil de satır dizinleri gerçekten gerekliyse, bunları ilk önce şu şekilde ekleyebilirsiniz:

df %>% add_rownames %>% group_by_at(vars(-rowname)) %>% filter(n()>1) %>% pull(rowname)

İşte @Joshua Ulrich'in bir fonksiyon olarak çözümü. Bu biçim, bu kodu duplicated () kullanacağınız şekilde kullanmanıza izin verir:

allDuplicated <- function(vec){
  front <- duplicated(vec)
  back <- duplicated(vec, fromLast = TRUE)
  all_dup <- front + back > 0
  return(all_dup)
}

Aynı örneği kullanarak:

vec <- c("a", "b", "c","c","c") 
allDuplicated(vec) 
[1] FALSE FALSE  TRUE  TRUE  TRUE

Belirli sütunlar için hangi satırların çoğaltıldığıyla ilgileniyorsanız, bir plyr yaklaşımı kullanabilirsiniz :

ddply(df, .(col1, col2), function(df) if(nrow(df) > 1) df else c())

Dplyr ile bir count değişkeni eklemek :

df %>% add_count(col1, col2) %>% filter(n > 1)  # data frame
df %>% add_count(col1, col2) %>% select(n) > 1  # logical vector

Yinelenen satırlar için (tüm sütunlar dikkate alınarak):

df %>% group_by_all %>% add_tally %>% ungroup %>% filter(n > 1)
df %>% group_by_all %>% add_tally %>% ungroup %>% select(n) > 1

Bu yaklaşımların yararı, kaç tane kopyayı bir kesme olarak belirtebilmenizdir.

Benzer bir sorun yaşadım, ancak yinelenen satırları belirli sütunlardaki değerlere göre tanımlamam gerekiyordu. Aşağıdaki dplyr çözümünü buldum :

df <- df %>% 
  group_by(Column1, Column2, Column3) %>% 
  mutate(Duplicated = case_when(length(Column1)>1 ~ "Yes",
                            TRUE ~ "No")) %>%
  ungroup()

Kod, satırları belirli sütunlara göre gruplandırır. Bir grubun uzunluğu 1'den büyükse, kod gruptaki tüm satırları çoğaltılmış olarak işaretler. Bu yapıldıktan sonra Duplicatedfiltreleme vb. İçin sütunu kullanabilirsiniz .