检测重复

Question

我的问题是检测重复。说我有以下数据：

clear all
input str2 pos str10 name 
A Joe
A Joe
B Frank
C Mike
C Ted
D Mike
D Mike
E Bill
F Bill
end

如果我想检测所有重复的名称，我只需输入：

duplicates tag name, gen(flag)

这给了我：

pos name  flag
A   Joe   1
A   Joe   1
B   Frank 0
C   Mike  2
C   Ted   0
D   Mike  2
D   Mike  2
E   Bill  1
F   Bill  1

很棒 - 它表示Joe，Mike和Bill是重复的。

但是，我想说我不想在pos中包含任何重复的副本。换句话说，我不希望发现Joe重复，因为Joe只出现在pos A中。我只想知道Mike和Bill是重复的。 （虽然Mike内的D重复，但他也会显示在C中，因此他出现在多个pos中。）

换句话说，我想：

pos name  flag
A   Joe   0
A   Joe   0
B   Frank 0
C   Mike  1
C   Ted   0
D   Mike  1
D   Mike  1
E   Bill  1
F   Bill  1

请注意，此处Mike仅flag代替1 2。这是因为我将Mike中的D视为只出现一次而不是两次。如果解决方案产生此问题，则2代替1不会有问题。

有办法做到这一点吗？

Answer 1

这不再是duplicates特定意义上的重复问题。 （免责声明：我最初写的。）

您只想知道给定名称是否出现在不同的组中。该问题会在各个地方进行审核，例如here。

一种方法是将name和pos的每个不同的联合事件标记一次，然后计算群组。

clear 
input str1 pos str5 name  flag
A   Joe   1
A   Joe   1
B   Frank 0
C   Mike  2
C   Ted   0
D   Mike  2
D   Mike  2
E   Bill  1
F   Bill  1
end 
egen tag = tag(name pos) 
egen npos = total(tag), by(name) 
list , sepby(pos) 

     +---------------------------------+
     | pos    name   flag   tag   npos |
     |---------------------------------|
  1. |   A     Joe      1     1      1 |
  2. |   A     Joe      1     0      1 |
     |---------------------------------|
  3. |   B   Frank      0     1      1 |
     |---------------------------------|
  4. |   C    Mike      2     1      2 |
  5. |   C     Ted      0     1      1 |
     |---------------------------------|
  6. |   D    Mike      2     1      2 |
  7. |   D    Mike      2     0      2 |
     |---------------------------------|
  8. |   E    Bill      1     1      2 |
     |---------------------------------|
  9. |   F    Bill      1     1      2 |
     +---------------------------------+

有些人可能希望看到没有egen的解决方案：

bysort name pos: gen tag = _n == 1 
by name: gen npos = sum(tag) 
by name replace npos = npos[_N]  

只需使用一个新变量即可重写：

bysort name pos: gen npos = _n == 1 
by name: replace npos = sum(npos) 
by name: replace npos = npos[_N]