创建 ID 变量：如果 ≥1 列重复，则标记为重复

Question

我见过很多关于基于多列条件创建新 ID 变量的问题。但是，通常如果 var1 AND var2 是双精度，则标记为重复数字。

我的问题是如何创建新的变量 ID 并标记重复项 if

var1 重复，或者
var2 重复，或者
var3 重复。

示例数据集（已编辑）：

      pat         var1   var2       var3     
 1     1          1      10           1       
 2     2          16     10          11       
 3     3          21     27           2       
 4     4          22     29           2       
 5     5          31     35           3       
 6     6          44     47           4       
 7     7          5      50           5       
 8     8          6      60           6       
 9     9          7      70           7       
10    10          8      80           7       
11    11          9      90           8       
12    12         10      11           9       
13    13         11      13           91      
14    14         11      14           10     
15    15         NA      15           15
16    16         NA      15           16
17    17         12      NA           17
18    18         13      NA           18

 sample <- data.frame(pat = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18), 
                     var1 = c(1,16,21,22,31,44,5,6,7,8,9,10,11,11, NA,NA,12,13), 
var2 = c(10,10,27,29,35,47,50,60,70,80,90,11,13,14,15,15,NA,NA),
                     var3 = c(1,11,2,2,3,4,5,6,7,7,8,9,91,10,15,16,17,18)

因此，如果三个 var 变量之一重复，则新的 ID 变量应显示重复的 ID 号。

期望的输出（已编辑）：

      pat         var1   var2       var3     ID
 1     1          1      10           1       1
 2     2          16     10          11       1
 3     3          21     27           2       2
 4     4          22     29           2       2
 5     5          31     35           3       3
 6     6          44     47           4       4
 7     7          5      50           5       5
 8     8          6      60           6       6
 9     9          7      70           7       7
10    10          8      80           7       7
11    11          9      90           8       8
12    12         10      11           9       9
13    13         11      13           91      10
14    14         11      14           10      10
15    15         NA      15           15      11
16    16         NA      15           16      11
17    17         12      NA           17      12
18    18         13      NA           18      13

我找不到基于类似条件的问题，因此我提出了这个问题。非常感谢。

EDIT 如果不存在 NA 值，Ben 的回答是完美的。不幸的是，我没有提到我在 var1,2 或 3 中也有 NA 值。NA 值意味着 Var1/2/3 的 idnumber 丢失了。所以我稍微调整了问题并添加了一些 NA 值。添加的问题是：

脚本是否可以判断：if var1=c(NA,NA), var2=(1,1) and var3=(1,2) to report a duplicate but if var1=c(NA ,NA), var2=c(1,2) 和 var3=(1,2) 来报告一个唯一的数字？

Answer 1

也许您可以尝试以下方法。这里我们使用 tail 和 head 来引用第 2 行到第 14 行与第 1 行到第 13 行的比较（有效地将每一行与前一行进行比较）。

我们可以使用每行与前一行之间的 rowSums 差异。如果差异为零，则结果为 TRUE（或 1），并且 ID 将逐行增加每个 1 值。这些用 cumsum.

累计求和

使用 c 将使第一个 ID 1。此外， cumsum 调整 1 以占初始 ID 1.

sample$ID <- 
  c(1, cumsum(rowSums(tail(sample[-1], -1) == head(sample[-1], -1)) == 0) + 1)

sample

输出

   pat var1 var2 var3 ID
1    1    1   10    1  1
2    2   16   10   11  1
3    3   21   27    2  2
4    4   22   29    2  2
5    5   31   35    3  3
6    6   44   47    4  4
7    7    5   50    5  5
8    8    6   60    6  6
9    9    7   70    7  7
10  10    8   80    7  7
11  11    9   90    8  8
12  12   10   11    9  9
13  13   11   13   91 10
14  14   11   14   10 10

编辑：根据下面的评论，在某些情况下应该忽略值为 NA 的情况。在上面的示例中，NA 重复（例如第 17-18 行中的 var2）不算重复。

这是另一种方法。您可以使用 sapply 遍历 data.frame.

的行号

您可以使用 mapply 从给定行的旁边的行中减去每个变量，并检查 any 的值是否为零。请注意 na.rm = T 将忽略缺失的 NA 值。

sample$ID <-
  c(1,
    cumsum(
      sapply(
        seq_len(nrow(sample)-1),
        \(x) {
          !any(mapply(`-`, sample[x, -1, drop = T], sample[x + 1, -1, drop = T]) == 0, na.rm = T)
        }
      )
    ) + 1
  )

输出

   pat var1 var2 var3 ID
1    1    1   10    1  1
2    2   16   10   11  1
3    3   21   27    2  2
4    4   22   29    2  2
5    5   31   35    3  3
6    6   44   47    4  4
7    7    5   50    5  5
8    8    6   60    6  6
9    9    7   70    7  7
10  10    8   80    7  7
11  11    9   90    8  8
12  12   10   11    9  9
13  13   11   13   91 10
14  14   11   14   10 10
15  15   NA   15   15 11
16  16   NA   15   16 11
17  17   12   NA   17 12
18  18   13   NA   18 13

创建 ID 变量：如果 ≥1 列重复，则标记为重复

Create ID variable: if ≥1 column duplicate then mark as duplicate

r

duplicates

conditional-statements

assign