我的数据包含人名和他们的身份证号码。有些人被列出两次或三次。每个人都有一个身份证号码 - 如果他们被列出不止一次,只要是同一个人,他们的身份证号码就会保持不变。像这样:
Name david david john john john john megan bill barbara chris chris
ID 1 1 2 2 2 2 3 4 5 6 6
我需要确保这些ID号是正确的,并且不同的人没有相同的ID号。在这样做时,我想创建一个新的变量来分配新的ID号,以便我可以将新的ID号与旧的ID号进行比较。我想创建一个说明的命令 "如果他们的名字相同,请使他们的身份证号码相同"。 我该怎么做呢?这有意义吗?
答案 0 :(得分:0)
有很多方法可以做到这一点,其中一些是上面提到的。我通常使用dplyr
版本来发现并删除重复/不良案例。以下是一个具有各种输出的示例,具体取决于您的目标。
library(dplyr)
# example with one bad case
dt = data.frame(Name = c("david","davud","John","John","megan"),
ID = c(1,1,2,3,3), stringsAsFactors = F)
# spot names with more than 1 unique IDs
dt %>%
group_by(Name) %>%
summarise(NumIDs = n_distinct(ID)) %>%
filter(NumIDs > 1)
# # A tibble: 1 x 2
# Name NumIDs
# <chr> <int>
# 1 John 2
# spot names with more than 1 unique IDs and the actual IDs
dt %>%
group_by(Name) %>%
mutate(NumIDs = n_distinct(ID)) %>%
filter(NumIDs > 1) %>%
ungroup()
# # A tibble: 2 x 3
# Name ID NumIDs
# <chr> <dbl> <int>
# 1 John 2 2
# 2 John 3 2
# spot names with more than 1 unique IDs and the actual IDs - alternative
dt %>%
group_by(Name) %>%
mutate(NumIDs = n_distinct(ID)) %>%
filter(NumIDs > 1) %>%
group_by(Name, NumIDs) %>%
summarise(IDs = paste0(ID, collapse=",")) %>%
ungroup()
# # A tibble: 1 x 3
# Name NumIDs IDs
# <chr> <int> <chr>
# 1 John 2 2,3