使用 for 循环在非常大的矩阵中根据多列和另一列中的特定值识别重复行

Question

我有一个大矩阵，称为 10,864 行和 134 列的data 。

前 4 列是使每一行唯一的参数。 所有行的第 5 列到第 134 列的数据是 1 到 20 之间的数字。

我在矩阵中运行一个 for 循环以将NA插入矩阵的某些单元格中。 这需要基于来自 Columns OrgID 、 rank和scorei的唯一值来完成，前提是列score(i+12) != 1的同一行中的值。

因此，我从第 5 列到第 134 列运行一个for loop ，并且基于这三列存在重复并且score(i+12)列值中的值不等于 1，我将NA插入到矩阵的该单元格中。

for(i in 5:ncol(data){
data[which(duplicated(data[,c(1,4,i)]) & (data[,i+12])!=1),i] <- "NA"
} 

但是，此代码给出了错误的 output，方法是仅在基于第1 、第4和第i列存在重复值的地方插入NA ，即与运行以下代码等效的结果：

for(i in 5:ncol(data){
    data[which(duplicated(data[,c(1,4,i)])),i] <- "NA"
    }   

仅当重复行中列score(i+12) !=1中的值时，如何使其执行所需的操作。

为了更简单地查看失败的 output，我突出显示了几行和相关列，以显示当应用于列 118 时它是如何工作的，即此处i =118 。

例如，根据上面解释的逻辑， OrgID=5659中存在重复。 基于 OrgID、rank 和 score118 的重复标识了这 2 行，其中一行显示score130=1和其他score130=16中的值。 因此，根据逻辑，在score130=16的行中现在应该是NA 。 但这在16时保持不变。

Answer 1

也许你可以试试

for(i in 5:(ncol(data) - 12)) {
   inds <- duplicated(data[c(1,4,i)]) | duplicated(data[c(1,4,i)], fromLast = TRUE)
   data[inds & data[[i + 12]] != 1, i + 12] <- NA
}