查找数据中哪一行与哪一行重复。框架

Question

我有一份数据。像这样的框架：

data.frame(matrix(c(11:13, 21:23, 11:13, 11:13, 31:33, 41:43, 31:33), byrow = TRUE, ncol = 3))

现在我想知道哪一行是哪一行的重复，返回一个重复的行号最低的索引向量.如果一行不是前一行的重复，它应该得到下一个可用的索引。在这个例子中，输出应该是：

c(1, 2, 1, 1, 3, 4, 3)

我可以通过在所有行对之间循环来实现这一点，但必须有一种有效的方法来实现这一点。

不幸的是，duplicated只显示哪些行是重复的，而不显示它们完全重复的行。有没有一个功能可以在这里提供帮助？

Answer 1

或者，您可以使用dplyr中的group\u索引：

dplyr::group_indices(df, X1, X2, X3)
# [1] 1 2 1 1 3 4 3

其中，X1、X2和X3是数据帧的列名。

Answer 2

在较新版本的R中使用分组功能的另一种选择。

获取相同值相邻放置的行的顺序：

grs = do.call(grouping, dat)

并操纵结果的“属性”以获得想要的结果：

ends = attr(grs, "ends")
rep(seq_along(ends), c(ends[1], diff(ends)))[order(grs)]
#[1] 1 2 1 1 3 4 3

Answer 3

这就是你想要的吗？

# Your data
d <- data.frame(matrix(c(11:13, 21:23, 11:13, 11:13, 31:33, 41:43, 31:23), byrow = TRUE, ncol = 3))

# Indices of unique rows 
idx <- as.numeric(factor(apply(d, 1, paste, collapse = "_"), 
                         levels = unique(apply(d, 1, paste, collapse = "_"))));
print(idx);
[1] 1 2 1 1 3 4 5 6 7