我有一个包含21638个唯一*行的表:
vocabulary <- read.table("http://socserv.socsci.mcmaster.ca/jfox/Books/Applied-Regression-2E/datasets/Vocabulary.txt", header=T)
此表有五列,第一列包含响应者ID号。我想检查是否有任何受访者出现两次,或者所有受访者是否都是唯一的。
要计算我可以使用的唯一ID
length(unique(vocabulary$id))
并检查我是否有任何重复
length(unique(vocabulary$id)) == nrow(vocabulary)
如果没有重复项(没有重复项),则返回TRUE
。
我的问题:
是否有直接返回重复值的值或行号的方法?
进一步说明:
使用函数duplicated()
存在解释问题,因为只返回严格意义上的重复项,不包括“原件”。例如,sum(duplicated(vocabulary$id))
或dim(vocabulary[duplicated(vocabulary$id),])[1]
可能会返回“5”作为重复行的数量。问题是,如果您只知道重复项的数量,则不会知道它们复制了多少行。 “5”是否意味着有五行,每行有一个重复,或者有一行有五个重复?由于您不会拥有重复项的ID或行号,因此您无法找到“原件”。
* 我知道此调查中没有重复的ID,但这是一个很好的例子,因为使用此问题的其他地方给出的任何答案,例如duplicated(vocabulary$id)
或table(vocabulary$id)
输出一个大海捞针到你的屏幕,在那里你将无法找到任何可能罕见的重复针。
答案 0 :(得分:91)
您可以使用table
,即
n_occur <- data.frame(table(vocabulary$id))
为您提供一个数据框,其中包含id
个列表及其出现的次数。
n_occur[n_occur$Freq > 1,]
告诉您哪些id
多次出现。
vocabulary[vocabulary$id %in% n_occur$Var1[n_occur$Freq > 1],]
返回多次出现的记录。
答案 1 :(得分:35)
这将为您提供重复的行:
vocabulary[duplicated(vocabulary$id),]
这将为您提供重复数量:
dim(vocabulary[duplicated(vocabulary$id),])[1]
示例:
vocabulary2 <-rbind(vocabulary,vocabulary[1,]) #creates a duplicate at the end
vocabulary2[duplicated(vocabulary2$id),]
# id year sex education vocabulary
#21639 20040001 2004 Female 9 3
dim(vocabulary2[duplicated(vocabulary2$id),])[1]
#[1] 1 #=1 duplicate
好的,通过附加信息,您应该执行以下操作:duplicated
有一个fromLast
选项,允许您从最后获取重复项。如果将其与普通duplicated
结合使用,则会得到所有重复项。以下示例将重复项添加到原始词汇表对象(第1行重复两次,第5行重复一次)。然后我使用table
来获取每个ID的重复总数。
#Create vocabulary object with duplicates
voc.dups <-rbind(vocabulary,vocabulary[1,],vocabulary[1,],vocabulary[5,])
#List duplicates
dups <-voc.dups[duplicated(voc.dups$id)|duplicated(voc.dups$id, fromLast=TRUE),]
dups
# id year sex education vocabulary
#1 20040001 2004 Female 9 3
#5 20040008 2004 Male 14 1
#21639 20040001 2004 Female 9 3
#21640 20040001 2004 Female 9 3
#51000 20040008 2004 Male 14 1
#Count duplicates by id
table(dups$id)
#20040001 20040008
# 3 2
答案 2 :(得分:12)
在这里,我总结了一些可能会给您的问题带来不同结果的方法,所以要小心:
<select ng-model="point" ng-options="i.value as (i.value) for i in uptpm">
<option value="" selected>Please Select</option>
</select>
希望这些帮助。祝你好运。
答案 3 :(得分:10)
这是一个data.table
解决方案,它将列出重复项以及重复次数(如果有2份副本,则为1,依此类推 - 您可以根据需要进行调整):
library(data.table)
dt = data.table(vocabulary)
dt[duplicated(id), cbind(.SD[1], number = .N), by = id]
答案 4 :(得分:4)
采用rev
:
x[!(!duplicated(x) & rev(!duplicated(rev(x))))]
...而不是fromLast
:
x[!(!duplicated(x) & !duplicated(x, fromLast = TRUE))]
...并作为辅助函数提供逻辑向量或原始向量中的元素:
duplicates <- function(x, as.bool = FALSE) {
is.dup <- !(!duplicated(x) & rev(!duplicated(rev(x))))
if (as.bool) { is.dup } else { x[is.dup] }
}
将向量作为数据帧处理以传递给table
很方便,但可能难以阅读,data.table
解决方案很好,但我更喜欢基本R解决方案来处理像ID这样的简单向量