如何使用重复（）

Question

我有一个包含客户购买信息的数据集。我试图通过连接 device_id（客户的）、store_id、product_id 和（购买的）日期来创建唯一 ID。我为此使用了以下代码

customer$device_store_product_date <- paste(customer$device, customer$store_id, customer$product_id, customer$date, sep='_')

结果列是这样的：

        device_store_product_date
48c6eec37affa1db_203723_9313962_2016-02-19
eb2c2f00071b97f3_179926_6180944_2016-02-20
d82066a784c9552_180704_9308311_2016-02-20
9766bba65b1ef9ac_204187_9313852_2016-02-20
77d80c1066f5267_180488_9312672_2016-02-20

果然还是有重复的。为了识别它们，我使用了 duplicated():

x1 = customer[duplicated(customer$device_store_product_date),]

但是，对于 x1$device_store_product_date 中的少数几个，只有一个条目存在。这不应该是这种情况，因为 x1 应该由重复值组成。让我知道我哪里出错了。对于 select 对应于特定值 device_store_product_date 的条目，我使用了：

filter(x1, x1$device_store_product_date=="14163e6b6ed06890_203723_9313477_2016-02-20")

Answer 1

duplicated() return对于任何已经出现的值都是 TRUE，所以

x <-c("a","b","a")
duplicated(x)

将return

FALSE FALSE TRUE

如果你也想得到所有的第一次出现，像这样的东西会起作用

duplicated(x)|rev(duplicated(rev(x)))

Answer 2

duplicated 函数有一个参数 fromLast=TRUE 从末尾检查重复项。在这里，最后一个元素将为 FALSE，所有其他重复项 return 为 TRUE。通过使用 |，我们确保包含所有重复元素。

 duplicated(x)|duplicated(x, fromLast=TRUE)

可用于获取所有重复元素

如何使用重复（）

How to use duplicated()

r

concatenation

string-concatenation

duplicates