我正在使用 R 中的数据集,但我遇到了一个似乎无法解决的问题。我的数据目前看起来像这样:
Team Person1 Person2 Person3 Person4 Person5 Person6 Person7
6594794 37505959 37469784 NA NA NA NA NA
6595053 30113392 33080042 21537147 32293683 NA NA NA
6595201 697417 22860111 NA NA NA NA NA
6595380 24432987 32370372 11521625 362790 24432987 22312802 32432267
6595382 12317669 25645492 NA NA NA NA NA
6595444 8114419 236357 32545314 22247108 NA NA NA
6595459 2135269 32332907 32332907 32436550 NA NA NA
6595468 33590928 10905322 32319555 10439608 NA NA NA
6595485 33080810 33162061 NA NA NA NA NA
6595496 36901773 34931641 NA NA NA NA NA
6595523 512193 8747403 NA NA NA NA NA
6595524 32393404 113514 NA NA NA NA NA
6595526 37855554 37855512 NA NA NA NA NA
6595536 18603977 1882599 332261 10969771 712339 2206680 768785
这些列一直跨越到“Person24”。
我意识到有些团队不止一次列出了同一个人。因此,我需要找到一种方法来识别至少一个人的 ID 号被多次列出的团队,并创建所有这些团队 ID 的完整列表,或者只是从数据集中删除这些团队。
例如,团队 #6595380(第 4 行)有一个重复成员 - 人员 #24432987 出现在 Person1 列和 Person5 列中。另一个示例是团队 #6595459(第 7 行) - 人员 #32332907 出现在 Person2 列和 Person3 列中。因此,我要么正在寻找一种方法来记录发生此类事件的团队,要么只是将它们从数据集中删除。
最佳答案
Yuo 可以使用 apply
跨行识别重复的人员 ID。
dat$dups <- apply(dat[-1], 1, function(i) any(duplicated(i[!is.na(i)])))
或者正如 Simon O'Hanlon 在评论中指出的那样
dat$dups <- apply(dat[-1], 1, function(i) any(duplicated(i, incomparables = NA)))
然后,您可以使用它来查找重复的团队编号或排除它们:
# Return teams that have duplicate person ids
dat$Team[ dat$dups ]
# Exclude rows with duplicates
dat[ ! dat$dups , ]
关于在 R 中逐行删除重复值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25827308/