无法使用重复字段查找ID

Question

我的数据如下：

ID  Email
1   someone@hotmail.com
2   someone1@hotmail.com
3   someone2@hotmail.com
4   someone3@hotmail.com
5   someone4@hotmail.com
6   someone5@hotmail.com

每个ID应该只有一封电子邮件，但没有。

> dim(data)
[1] 5071    2
> length(unique(data$Person_Onyx_Id))
[1] 5071
> length((data$Email))
[1] 5071
> length(unique(data$Email))
[1] 4481

所以，我需要找到带有重复电子邮件地址的ID。

看起来这应该很容易，但我很惊讶：

> sqldf("select ID, count(Email) from data  group by ID having count(Email) > 1")
[1] ID count(Email)  
<0 rows> (or 0-length row.names)

我还尝试取消having子句并将结果发送到对象并按count(Email)对对象进行排序......似乎每个ID都有{{ 1}} 1 ...

我会count(Email)实际数据，但由于电子邮件地址的敏感性，我不能。

Answer 1

我的猜测是你有NULL封电子邮件。您可以使用count(*)而非count(email)：

找到此信息

select ID, count(*)
from data
group by ID
having count(*) > 1;

Answer 2

您是否也确定没有相反的情况，多个ID使用相同的电子邮件？

select Email, count(*)
from data
group by Email
having count(*) > 1;