r - 查找重复行的索引

Question

R 中重复的函数执行重复行搜索。如果我们想删除重复项，我们只需要写入df[!duplicated(df),]，重复项将从数据框中删除。

但是如何找到重复数据的索引呢？如果duplicated在某行上返回 TRUE，则表示这是该行在数据框中的第二次出现，并且可以轻松获得其索引。如何获取该行第一次出现的索引？或者，换句话说，一个与重复行相同的索引？

我可以在 data.frame 上做一个循环，但我认为这个问题有一个更优雅的答案。

Answer 1

这是一个例子：

df <- data.frame(a = c(1,2,3,4,1,5,6,4,2,1))

duplicated(df) | duplicated(df, fromLast = TRUE)
#[1]  TRUE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE

这个怎么运作？

该函数duplicated(df)确定原始数据中的重复元素。表示“fromLast = TRUE应从反面考虑重复”。|由于TRUE其中至少一个中的 a 表示重复值，因此使用组合两个结果逻辑向量。

Answer 2

如果您使用的是带键的data.table，那么您可以使用以下优雅的语法

library(data.table)
DT <- data.table(A = rep(1:3, each=4), 
                 B = rep(1:4, each=3), 
                 C = rep(1:2, 6), key = "A,B,C")

DT[unique(DT[duplicated(DT)]),which=T]

打开包装

• DT[duplicated(DT)]子集那些重复的行。

• unique(...)仅返回重复行的唯一组合。这处理超过 1 个重复的任何情况（重复重复，例如三次重复等）

• DT[..., which = T] 将重复的行与原始行合并，并which=T返回行号（没有which = T它只会返回数据）。

你也可以使用

 DT[,count := .N,by = list(A,B,C)][count>1, which=T]