我有一个数据框（df），包括纬度和经度坐标（纬度，长度）以及每个条目的温度测量值的深度（深度）。基本上，每个条目具有（x，y，z）=（纬度，长度，深度）每个温度测量的位置信息。
我试图通过查找和删除重复的测量位置来清理数据。简单的部分是删除完全重复项，按此处理：
df = df[!(duplicated(df$Lat) & duplicated(df$Long) & duplicated(df$Depth)),]
然而问题是某些条目的lat / long值只是稍微 off，这意味着上面的代码不会捕获它们但它们仍然是明显重复的（例如lat = 39.252880＆amp; lat = 39.252887）。
有没有办法找到第一个实例的某个绝对值或百分比内的重复项？
感谢您的帮助，谢谢！
答案 0 :(得分：0)
基于此post我能够提出解决方案。我修改了函数，以便对＆＃34;重复＆＃34;具有更严格的容差。为0.001，否则功能不变。但是，该应用程序略有改动：
output=data.frame(apply(dataDF,2,fun))
因为我想比较单个列中的值而不是单个行中的值。
要继续，我会将人工索引添加到输出数据框中供以后使用：
output$ind = 1:nrow(output)
主要部分是找到行索引，其中函数为三个位置信息字段（纬度，长度，深度）返回TRUE。以下代码查找所有三个都为真的索引，创建仅包含那些条目（仍然是逻辑）的临时数据框，查找重复项的索引，然后将其反转以返回将从完整的原始数据集中删除的索引（原谅糟糕的变量名称）：
ind = which(with(output,(Lat=='TRUE' & Long=='TRUE' & Depth=='TRUE')))
temp = dataDF[ind,]
temp$ind = ind
ind2 = duplicated(temp[,1:3])
rem = ind[ind2]
df.final = dataDF[-rem,]
希望这有帮助！它有点复杂，大型数据集的功能非常慢，但它完成了工作。