Recherche de TOUTES LES lignes en double, y compris les "éléments avec des indices plus petits"

Question

R' s duplicated renvoie un vecteur indiquant si chaque élément d'un vecteur ou d'une trame de données est un duplicata d'un élément avec un indice plus petit. Donc, si les lignes 3, 4 et 5 d'une trame de données à 5 lignes sont les mêmes, duplicated me donnera le vecteur

FALSE, FALSE, FALSE, TRUE, TRUE

Mais dans ce cas, je veux vraiment obtenir

FALSE, FALSE, TRUE, TRUE, TRUE

c'est-à-dire, je veux savoir si une ligne est dupliquée par une ligne avec un indice plus grand aussi.

Answer 1

Vous devez assembler l'ensemble de valeurs duplicated, appliquer unique, puis tester avec %in%. Comme toujours, un problème d'échantillon donnera vie à ce processus.

> vec <- c("a", "b", "c","c","c")
> vec[ duplicated(vec)]
[1] "c" "c"
> unique(vec[ duplicated(vec)])
[1] "c"
>  vec %in% unique(vec[ duplicated(vec)]) 
[1] FALSE FALSE  TRUE  TRUE  TRUE

Answer 2

Les lignes dupliquées dans une trame de données peuvent être obtenues avec dplyr en faisant

library(tidyverse)
df = bind_rows(iris, head(iris, 20)) # build some test data
df %>% group_by_all() %>% filter(n()>1) %>% ungroup()

Exclure certaines colonnes group_by_at(vars(-var1, -var2)) pourrait être utilisé à la place pour regrouper les données.

Si les index de ligne et pas seulement les données sont réellement nécessaires, vous pouvez les ajouter en premier comme dans :

df %>% add_rownames %>% group_by_at(vars(-rowname)) %>% filter(n()>1) %>% pull(rowname)

Answer 3

Voici la solution de @Joshua Ulrich en tant que fonction. Ce format vous permet d'utiliser ce code de la même manière que vous utiliseriez duplicated() :

allDuplicated <- function(vec){
  front <- duplicated(vec)
  back <- duplicated(vec, fromLast = TRUE)
  all_dup <- front + back > 0
  return(all_dup)
}

En utilisant le même exemple :

vec <- c("a", "b", "c","c","c") 
allDuplicated(vec) 
[1] FALSE FALSE  TRUE  TRUE  TRUE

Answer 4

J'ai eu la même question, et si je ne me trompe pas, c'est aussi une réponse.

vec[col %in% vec[duplicated(vec$col),]$col]

Je ne sais pas lequel est le plus rapide, cependant, l'ensemble de données que j'utilise actuellement n'est pas assez grand pour faire des tests qui produisent des intervalles de temps importants.