Question

我正在使用R中的数据集，我遇到了一个我无法理解的问题。我的数据目前看起来像这样：

Team    Person1   Person2   Person3   Person4   Person5  Person6  Person7
6594794 37505959  37469784    NA         NA       NA        NA      NA
6595053 30113392  33080042  21537147  32293683    NA        NA      NA
6595201 697417    22860111  NA           NA       NA        NA      NA
6595380 24432987  32370372  11521625   362790   24432987 22312802 32432267
6595382 12317669  25645492  NA           NA       NA        NA      NA
6595444 8114419   236357    32545314  22247108    NA        NA      NA
6595459 2135269   32332907  32332907  32436550    NA        NA      NA
6595468 33590928  10905322  32319555  10439608    NA        NA      NA
6595485 33080810  33162061  NA           NA       NA        NA      NA
6595496 36901773  34931641  NA           NA       NA        NA      NA
6595523 512193    8747403   NA           NA       NA        NA      NA
6595524 32393404  113514    NA           NA       NA        NA      NA
6595526 37855554  37855512  NA           NA       NA        NA      NA
6595536 18603977  1882599   332261    10969771  712339  2206680  768785

这些列一直延伸到＆＃34; Person24＆＃34;。

我所意识到的是，有些团队不止一次列出同一个人。因此，我需要找出一种方法来识别至少列出一个人ID号的团队，并创建所有这些团队ID的完整列表，或者只是从数据集中删除这些团队。

例如，团队＃6595380（第4行）有一个重复成员 - 人员＃24432987出现在Person1列和Person5列中。另一个例子是团队＃6595459（第7行） - 人＃32332907出现在Person2列和Person3列中。所以，我要么想要一种方法来记录这样的事件，或者只是从数据集中删除它们。

Answer 1

Yuo可以使用apply

识别行中的重复人ID

dat$dups <- apply(dat[-1], 1, function(i) any(duplicated(i[!is.na(i)])))

或Simon O'Hanlon在评论中指出

dat$dups <- apply(dat[-1], 1, function(i) any(duplicated(i, incomparables = NA)))

然后，您可以使用它来查找具有重复项的团队编号或排除它们：

# Return teams that have duplicate person ids
dat$Team[ dat$dups ]
# Exclude rows with duplicates
dat[ ! dat$dups , ]

在R中逐行删除重复值

1 个答案: