Question

我有这个数据框：

A = data.frame(a = c("q", "e", "f", "q"), b = 1:4)

我想要获得2行（a中的重复q，具有不同的值，b中的1,4）

Answer 1

我想你想要函数duplicated：

A[A$a %in% A$a[duplicated(A$a)],]
#   a b
# 1 q 1
# 4 q 4

这将为您提供包含在data.frame中找到2次或更多次的值的任何行。

@Sotos提出了这个问题，它在100.000行上的速度提高了20％：

A[duplicated(A$a)|duplicated(A$a, fromLast = TRUE),]

@ mohamed-nidabdella用dplyr提出了这个解决方案，速度提高了2.5倍：

A %>% group_by(a) %>% filter(n()>1)

基准：

A = data.frame(a =sample(letters,100000,replace=TRUE), b = 1:100000)
library(microbenchmark)

microbenchmark(
  a = A[A$a %in% A$a[duplicated(A$a)],],
  b =A[duplicated(A$a)|duplicated(A$a, fromLast = TRUE),],
  c = A[A$a %in% unique(A$a[duplicated(A$a)]),],
  d = A %>% group_by(a) %>% filter(n()>1),
  times=100)

# Unit: milliseconds
# expr       min        lq     mean   median        uq       max neval
# a 23.549739 24.732701 27.71688 27.70747 28.463392 115.58251   100
# b 20.703155 21.485692 24.66477 21.79380 24.790283 113.42992   100
# c 23.215580 24.166518 26.83627 24.99078 27.824526 113.99780   100
# d  8.647365  9.099141 10.17412  9.25546  9.548462  46.96581   100

Answer 2

library("data.table")
setDT(A)
rbind(A, A[a == "q", .(a, b = c(1, 4))])
#    a b
# 1: q 1
# 2: e 2
# 3: f 3
# 4: q 4
# 5: q 1
# 6: q 4

在一列中获取具有不同值的重复行

2 个答案: