如何在 R 中的子组中查找重复项答案

【问题标题】：How to find duplicates in subgroups in R如何在 R 中的子组中查找重复项
【发布时间】：2020-01-08 11:19:17
【问题描述】：

我有很多这样的病人的检查数据。

   PN CEA_VAL TEST_DAYS
1   1     2.3        25
2   1     4.6        49
3   1     5.8        67
4   3     1.8        25
5   3     6.7        69
6   4     1.9        44
7   4     3.4        87
8   5     12.4       25
9   5     16.4       25

PN 是患者编号。 CEA_VAL 是生物测试值。 TEST_DAYS 是从治疗开始到进行生物测试的时间间隔。

如果把每一个病人都看成一个亚组，那么不同亚组之间的TEST_DAYS相同是可以的。

但我怀疑一个子组中有一些重复的 TEST_DAYS。如何在每个子组中找到 TEST_DAYS 的重复项，如何删除它们？

一天内对同一位患者进行多次生物测试是不合逻辑的。因为生物测试通常会在几周后再次进行。

【问题讨论】：

如果您提供示例数据，最好包含一些（可能是虚构的）实际显示问题的数据，例如为其中一位具有重复的TEST_DAYS 值的患者增加一行。
df %>% group_by(PN) %>% filter(!duplicated(TEST_DAYS)) 使用dplyr。
感谢您的提示。我添加了另一个虚构的患者数据。并且代码有效。

标签： r duplicates

【解决方案1】：

如果患者有重复的日期，则以下代码应仅返回每天的第一行：

library(dplyr)

my_df %>%
  group_by(PN, TEST_DAYS) %>%
  slice(1) %>%
  ungroup()

【讨论】：

【解决方案2】：

您可以为每个患者使用duplicated 来获取重复值并仅选择唯一值。

这可以在基础 R 中完成：

subset(df, !ave(TEST_DAYS, PN, FUN = duplicated))

#  PN CEA_VAL TEST_DAYS
#1  1     2.3        25
#2  1     4.6        49
#3  1     5.8        67
#4  3     1.8        25
#5  3     6.7        69
#6  4     1.9        44
#7  4     3.4        87
#8  5    12.4        25

dplyr：

library(dplyr)
df %>% group_by(PN) %>% filter(!duplicated(TEST_DAYS))

和data.table

library(data.table)
setDT(df)
df[df[,!duplicated(TEST_DAYS), PN]$V1]

【讨论】：