在 R 中，对 ID 出现多次的行上的数据帧进行子集化答案

【问题标题】：In R, subset a dataframe on rows whose ID appears more than once在 R 中，对 ID 出现多次的行上的数据帧进行子集化
【发布时间】：2021-08-24 17:53:45
【问题描述】：

背景

我有一个数据框 d，其中有约 10,000 行和 n 列，其中一个是 ID 变量。大多数ID 出现一次，但有些出现不止一次。说它看起来像这样：

问题

我想要一个新的数据框d_sub，它只包含在d 中出现多次的ID。我想要一些看起来像这样的东西：

我的尝试

我尝试过这样的事情：

d_sub <- subset(d, duplicated(d$ID))

但这只会让我获得ID 的b 和d 的一个条目，并且我想要每个它们各自的行：

有什么想法吗？

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

我们可能需要将duplicated 更改为| 条件，因为duplicated 本身对于“ID”的第一次出现为FALSE

d_sub <- subset(d, duplicated(ID)|duplicated(ID, fromLast = TRUE))

【讨论】：

这行得通，但我不能从 duplicated 上的文档中完全看出 为什么 它行得通。 fromLast 到底在做什么？ ("duplicated(x, fromLast = TRUE) 等价于但比 rev(duplicated(rev(x))) 快" --> 对我来说是希腊语)
@logjammin 举个简单的例子。 v1 <- c(1, 1, 2, 3); duplicated(v1); duplicated(v1, fromLast = TRUE) fromLast = TRUE 从反面复制。当您执行| 时，任何相应的 TRUE 值都会变为 TRUE，因此所有重复的元素都是 TRUE，现在
@logjammin 取决于函数，即rev 可能有一些额外的检查会阻止它更快。而如果您使用单个函数，即duplicated，所有这些检查都已经完成
哦，我明白了，这很有趣。侧面的想法：不以任何方式抱怨，但似乎很奇怪，这需要使用OR 条件来完成——似乎R 能够更简洁地做到这一点。无论如何，非常感谢！
@logjammin duplicated 是一个旧函数。你是对的，它应该能够固有地拥有这个选项以避免两次调用duplicated

【解决方案2】：

我们可以使用add_count，然后过滤n：

library(dplyr)
df %>%
    add_count(ID) %>% 
    filter(n!=1) %>%
    select(-n)

例子：

library(dplyr)
df <- tribble(
    ~ID, ~gender, ~zip,
    "a", "f", 1,
    "b", "f", NA,
    "b", "m", 2,
    "c", "f", 3,
    "d", "f", NA,
    "d", "m", 4)

df %>%
    add_count(ID) %>% 
    filter(n!=1) %>%
    select(-n)

输出：

  ID    gender   zip
  <chr> <chr>  <dbl>
1 b     f         NA
2 b     m          2
3 d     f         NA
4 d     m          4

【讨论】：