查找R数据框中重复行重复的次数[重复]答案

【问题标题】：Find how many times duplicated rows repeat in R data frame [duplicate]查找R数据框中重复行重复的次数[重复]
【发布时间】：2013-08-14 14:18:05
【问题描述】：

我有一个类似下面例子的数据框

a = c(1, 1, 1, 2, 2, 3, 4, 4)
b = c(3.5, 3.5, 2.5, 2, 2, 1, 2.2, 7)
df <-data.frame(a,b)

我可以通过以下代码从 R 数据框中删除重复的行，但是如何找到每个重复行重复的次数？我需要将结果作为向量。

unique(df)

或

df[!duplicated(df), ]

【问题讨论】：

标签： r

【解决方案1】：

这是使用库 plyr 中的函数 ddply() 的解决方案

library(plyr)
ddply(df,.(a,b),nrow)

  a   b V1
1 1 2.5  1
2 1 3.5  2
3 2 2.0  2
4 3 1.0  1
5 4 2.2  1
6 4 7.0  1

【讨论】：

您可以通过将 function(x) nrow(x) 替换为 nrow 来节省一些字符。
@orizon 谢谢，更新了我的答案。
是否有可能用 dplyr 重新创建它？
@maj 我没用过 dplyr 所以无法回答
是否有与 a、b 列无关的解决方案？（即，使用所有列）

【解决方案2】：

你总是可以用一块石头杀死两只鸟：

aggregate(list(numdup=rep(1,nrow(df))), df, length)
# or even:
aggregate(numdup ~., data=transform(df,numdup=1), length)
# or even:
aggregate(cbind(df[0],numdup=1), df, length)

  a   b numdup
1 3 1.0      1
2 2 2.0      2
3 4 2.2      1
4 1 2.5      1
5 1 3.5      2
6 4 7.0      1

【讨论】：

能否解释一下复制aggregate(list(numdup=rep(1,nrow(df))), df, length)背后的原因？
@dukelover - 聚合需要列的总和与分组变量的长度相同，所以我只需重复 1 即可。
非常感谢您的回复。你能解释一下这个代码aggregate(numdup ~., data=transform(df,numdup=1), length) 吗？ -- 这里numdup ~的意义是什么？

【解决方案3】：

这里有两种方法。

# a example data set that is not sorted
DF <-data.frame(replicate(sequence(1:3),n=2))

# example using similar idea to duplicated.data.frame
count.duplicates <- function(DF){
x <- do.call('paste', c(DF, sep = '\r'))
  ox <- order(x)
  rl <- rle(x[ox])
  cbind(DF[ox[cumsum(rl$lengths)],,drop=FALSE],count = rl$lengths)

}
count.duplicates(DF)
#   X1 X2 count
# 4  1  1     3
# 5  2  2     2
# 6  3  3     1


# a far simpler `data.table` approach
library(data.table)
count.dups <- function(DF){

  DT <- data.table(DF)
  DT[,.N, by = names(DT)]
}
count.dups(DF)
#    X1 X2 N
# 1:  1  1 3
# 2:  2  2 2
# 3:  3  3 1

【讨论】：

你的第一个解决方案非常棒，同时每次我想到功能它的噩梦时都会感到恐惧

【解决方案4】：

使用 dplyr：

summarise(group_by(df,a,b),length(b))

或

group_size(group_by(df,a,b))
#[1] 1 2 2 1 1 1

【讨论】：

别忘了管道！ df %>% group_by(a, b) %>% group_size()
或df %>% group_by_all() %>% count