r - 检查值在 dataframe 列中是否唯一

Question

我正在我的 dataframe 中创建一个新列 (Flag)，它根据另一列 (Number) 识别唯一或重复的数字。 我曾尝试使用重复的 function，但这只会将重复的值标识为重复值，而将原始值保留为非重复值（如下面的编号 100001 所示）：

Number    Flag
100000   unique
100001   unique
100002   unique
100001   duplicate
100003   unique

如果某个值在列中多次出现，我如何让我的 if-else 语句将它识别为重复值，如下所示：

Number    Flag
100000   unique
100001   duplicate
100002   unique
100001   duplicate
100003   unique

Answer 1

一种方法是group_by(Number)并检查每个组是否有多个观察值n() > 1 。

我们可以在ifelse语句中使用它来创建所述Flag 。

library(dplyr)

dat <- tibble(Number = c(
        100000,
        100001, 
        100002, 
        100001, 
        100003))

dat %>% 
  group_by(Number) %>% 
  mutate(Flag = ifelse(n() > 1,
                       "duplicate",
                       "unique")) %>% 
  ungroup()

#> # A tibble: 5 × 2
#>   Number Flag     
#>    <dbl> <chr>    
#> 1 100000 unique   
#> 2 100001 duplicate
#> 3 100002 unique   
#> 4 100001 duplicate
#> 5 100003 unique

^{由reprex package (v0.3.0) 创建于 2022-10-02}

Answer 2

unique() function 有助于构建唯一集，然后使用if...else...语句来识别重复值。

Answer 3

这是一个基本的 R 方法。 您可以使用duplicated ，但也可以包括第二个duplicated ，其中重复也被认为是反向的（使用 fromLast）。

dat$Flag <- ifelse(
  duplicated(dat$Number) | duplicated(dat$Number, fromLast = TRUE),
  "duplicate",
  "unique"
)