查找重复行的索引

时间:2012-09-19 13:05:35

标签: r duplicates dataframe

R中复制的函数执行重复行搜索。如果我们想要删除重复项,我们只需要编写df[!duplicated(df),],并且将从数据框中删除重复项。

但是如何找到重复数据的索引?如果duplicated在某行上返回TRUE,则表示这是数据帧中第二次出现这样的行,并且可以轻松获得其索引。如何获得该行首次出现的索引?或者,换句话说,重复行与之相同的索引?

我可以在data.frame上进行循环,但我认为这个问题有一个更优雅的答案。

2 个答案:

答案 0 :(得分:86)

返回逻辑索引向量:

duplicated(df) | duplicated(df[nrow(df):1, ])[nrow(df):1]

以下是一个例子:

df <- data.frame(a = c(1,2,3,4,1,5,6,4,2,1))

duplicated(df) | duplicated(df[nrow(df):1, ])[nrow(df):1]
#[1]  TRUE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE

which(duplicated(df) | duplicated(df[nrow(df):1, ])[nrow(df):1])
#[1]  1  2  4  5  8  9 10

更新(根据评论):
如果fromLast = TRUE用作函数参数,则可以减少命令的复杂性。这比创建两个反向向量更容易。

duplicated(df) | duplicated(df, fromLast = TRUE)

duplicated(df) | duplicated(df, fromLast = TRUE)
#[1]  TRUE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE

它是如何工作的?

函数duplicated应用于原始数据框和具有相反行顺序的数据框。后者的输出再次逆转。请注意,原始数据中第一次出现的重复值是反转版本中的最后一次出现。之后,使用|合并两个向量,因为其中至少有一个TRUE表示重复值。

答案 1 :(得分:17)

如果您使用键控 data.table,那么您可以使用以下优雅语法

library(data.table)
DT <- data.table(A = rep(1:3, each=4), 
                 B = rep(1:4, each=3), 
                 C = rep(1:2, 6), key = "A,B,C")

DT[unique(DT[duplicated(DT)]),which=T]

解压缩

  • DT[duplicated(DT)]子集那些重复的行。

  • unique(...)仅返回重复行的唯一组合。这涉及任何超过1个重复的案例(重复重复,例如重复等)

  • DT[..., which = T]将重复的行与原始行合并,which=T返回行号(没有which = T它只会返回数据)。

您也可以使用

 DT[,count := .N,by = list(A,B,C)][count>1, which=T]