寻找重复行的索引

Question

R语言中的重复行搜索可以通过函数duplicated来实现。如果我们想要删除重复项，只需编写df[!duplicated(df),]，就可以从数据框中删除重复项。

但是如何找到重复数据的索引呢？如果duplicated在某一行返回TRUE，则说明这是数据框中此行的第二次出现，其索引可以很容易地获得。如何获取此行第一次出现的索引？换句话说，在哪个索引处与重复的行相同？

我可以在数据框上进行循环，但我认为有一个更优雅的答案。

- annndrey

---

一种使用dplyr的好方法：https://dev59.com/rV4c5IYBdhLWcg3wLXga#28244567/ - stevec

annndrey，为什么你接受了Sven的答案？它完全回答了不同的问题。 - Tomas

我无法回答这个问题，但是由于被接受的答案并没有回答这个问题（它返回一个由True/False组成的向量，可以用来对数据框进行子集操作），原问题的一个解决方案是：which(duplicated(df) | duplicated(df, fromLast = TRUE))。然后你就可以得到重复行的索引了。 - OLGJ

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

它是如何工作的？

函数duplicated(df)用于确定原始数据中的重复元素。 fromLast = TRUE表示“应从反向考虑重复”。两个逻辑向量通过使用|组合在一起，因为其中至少一个向量中的TRUE表示存在重复值。

- Sven Hohenstein

---

这完全没有回答问题！ - Tomas

Answer 2

如果您正在使用 keyed 数据表，那么您可以使用以下简洁的语法。

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]

解包

• DT[duplicated(DT)] 子集选取重复行。

• unique(...) 返回仅包含重复行唯一组合的结果。这适用于多个重复行的情况（例如三倍重复等）。

• DT[..., which = T] 将重复行与原始行合并，其中which=T返回行号（如果没有which = T，则仅返回数据）。

您也可以使用

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

- mnel

---

在第二种情况下，无需设置键（并且使用by而不使用键也不会降低效率）。 - pommedeterresautee

我非常喜欢这种方法，但是似乎DT[duplicated(DT)]的结果不包括第一行重复的数据，例如如果一个实例有三个重复项，它只会显示其中两个。如何查看所有重复项？ - Herman Toothrot

你可以使用fromLast=TRUE的类似方法。就像这样DT[unique(DT[duplicated(DT) | duplicated(DT, fromLast = TRUE)]), which = TRUE]。 - yuskam