查找数据帧的重复行以及重复行在 R 中对应的原始行

Question

我的数据框如下所示：

 data <- data.frame(a=c(3,1,2,2,2,3),b=c(3,1,1,2,2,3))

 duplicated(data)

 [1] FALSE FALSE FALSE FALSE  TRUE  TRUE

我要的不仅是表示哪一行重复的逻辑字符串，还需要重复的行对应的原始行。在上面的示例中，第五行是原始数据框中第四行的副本，第六行是原始数据框中第一行的副本。所以我想要一个像这样的索引向量：

   NA NA NA NA 4 1

（NA 表示非重复行）。

我天真的做法是：

  dupTF <- duplicated(data)
  DupDat <- data[dupTF,]
  index0 <- rep(NA,nrow(DupDat))
  for (i in 1 : nrow(DupDat))
  {
     for (j in 1 : nrow(data))
        {
          if(all(data[j,] == DupDat[i,])) break;
        }
       index0[i] <- j
   }
  index <- rep(NA,length(dupTF))
  index[dupTF]<- index0
  index
  [1] NA NA NA NA  4  1

但是，这种方法并不理想，因为它遍历了所有数据...

Answer 1

我可能会使用 data.table，因为它的 .I 和 .N 变量（可从每个 by组）让它变得如此简单：

library(data.table)
dt <- data.table(data)
dt[, XX:=c(NA, rep(.I[1], .N-1)), by=c("a","b")][,XX]
# [1] NA NA NA NA  4  1

查找数据帧的重复行以及重复行在 R 中对应的原始行

Find the duplicated rows of a dataframe and which original row the duplicated row is corresponding in R

r

duplicates