Question

我有一个较大的小标题（称为df.tbl，具有〜26k行和22列），我想找到每个对象的“孪生”，即，在列2：7中具有相同值的每一行（日期：Pos）。

如果我使用：

inner_join(df.tbl, ~ df.tbl[i,], by = c("date", "forge", "serNum", "PinMain", "PinMainNumber", "Pos"))

i是我要检查“双胞胎”的行，一切按预期进行，吐出2 x 22的小标题，我可以使用以下方法扩展它：

x <- NULL
for (i in 1:nrow(df.tbl)) {
x[[i]] <- as_vector(inner_join(df.tbl[,], 
                        df.tbl[i,], 
                        by = c("date", 
                               "forge", 
                               "serNum", 
                               "PinMain", 
                               "PinMainNumber", 
                               "Pos")) %>% 
               select(rowNum.x) 
}

创建一个列表，其中包含每个对象（行）的每个双胞胎的行号。

我无法使用map来产生类似的结果：

twins <- map(df.tbl, ~ inner_join(df.tbl, 
                                     ., 
                                     by = c("date", 
                                            "forge", 
                                            "serNum", 
                                            "PinMain", 
                                            "PinMainNumber", 
                                            "Pos")) %>% 
         select(rowNum.x) )

我得到的只是以下错误：

Error in UseMethod("tbl_vars") : no applicable method for 'tbl_vars' applied to an object of class "c('double', 'numeric')"

如何使用for将map循环转换为等效循环？

我的原始数据如下：

>head(df.tbl, 3)
# A tibble: 3 x 22
  rowNum date       forge serNum PinMain PinMainNumber Pos   FrontBack flow  Sharped SV    OP      max   min  mean
   <dbl> <date>     <chr> <fct>  <fct>   <fct>         <fct> <fct>     <chr> <fct>   <fct> <chr> <dbl> <dbl> <dbl>
1      1 2017-10-18 NA    179    Pin     1             W     F         NA    3       36237 235    77.7  55.3  64.7
2      2 2017-10-18 NA    179    Pin     2             W     F         NA    3       36237 235    77.5  52.1  67.4
3      3 2017-10-18 NA    179    Pin     3             W     F         NA    3       36237 235    79.5  58.6  69.0
# ... with 7 more variables: median <dbl>, sd <dbl>, Round2 <dbl>, Round4 <dbl>, OrigData <list>, dataSize <int>,
#   fileName <chr>

，我想要一个长度与nrow（df.tbl）相同的列表，如下所示：

> twins
[[1]]
[1] 1 7

[[2]]
[1] 2 8

[[3]]
[1] 3 9

几乎所有对象都具有一个双胞胎/重复项（如上所述），但是少数对象具有两个或什至三个重复项（如上所述），即列2：7相同）

Answer 1

您真的需要用map解决吗？

我可以通过将duplicated软件包中的semi_join和dplyr组合在一起来解决

defining_columns <- c("date", "forge", "serNum", "PinMain", "PinMainNumber", "Pos")

dplyr::semi_join(
  df.tbl,
  df.tbl[duplicated(df.tbl[defining_columns]),],
  by = defining_columns
) %>% 
  group_by_at(defining_columns) %>% 
  arrange(.by_group = TRUE) %>%
  summarise(twins = paste0(rowNum,collapse = ",")) %>% 
  pull(twins) %>% 
  strsplit(",")

duplicated向我们提供了哪些行是重复的，而semi_join仅保留了x中存在的y中的行

希望这会有所帮助！

Answer 2

参加聚会有点晚，但是您可以使用nest()来更整洁地做到这一点。

tbl.df1 <- tbl.df %>% group_by(date, forge, serNum, PinMain, PinMainNumber, Pos) %>% nest(rowNum)

双胞胎将出现在nest创建的小玩意列表中。

tbl.df1$data

# [[1]]
# A tibble: 2 x 1
#   rowNum
#    <dbl>
# 1      1
# 2      7

#[[2]]
# A tibble: 2 x 1
#   rowNum
#    <dbl>
# 1      2
# 2      8

# etc

在小标题中查找所选变量的重复观测值

2 个答案: