R中重复标识的高效子集化数据

Question

说我有以下数据并应用第一个过滤器

A <- (5:24)
B <- (10:29)
data <- data.frame(A,B)
data$C <- rep(1:((length(A)/2)))
data2 <- subset( data, B < 26)

现在我想进一步减少数据，以便只保留重复C值的情况。我使用了以下代码：

data3 <- subset(data2, (summary(as.factor(C))) == 2)

是否可以使用pmatch()或其他有效方式？

Answer 1

有几种可能性。

• 您可以尝试duplicated：

  subset(data2, duplicated(C) | duplicated(C, fromLast = TRUE))
  

• 或者，您可以使用table和%in%：

  idx <- table(data2$C) > 1
  subset(data2, C %in% names(idx)[idx])
  

• dplyr的解决方案：

  library(dplyr)
  data2 %>%
    group_by(C) %>%
    filter(n() > 1)
  

• data.table的解决方案（由@akrun提出）：

  library(data.table)
  setDT(data2)[data2[,.N>1, C]$V1]