计算 R 中的所有重复值答案

【问题标题】：Count all duplicated values in R计算 R 中的所有重复值
【发布时间】：2022-12-09 01:32:12
【问题描述】：

我有以下称为 x 的向量：

x <- c(1, 1, 4, 5, 4, 6, 1, 1)
x
#> [1] 1 1 4 5 4 6 1 1

我想计算所有重复值的值。在这种情况下，数字1,1,1,1,4,4 是重复的，这意味着共有 6 个重复值。这里有一些尝试：

x <- c(1, 1, 4, 5, 4, 6, 1, 1)
# Wrong outputs
sum(duplicated(x))
#> [1] 4
sum(table(x)-1)
#> [1] 4
# Returns number of duplicated values in this case 1 and 4
nrow(data.frame(table(x))[data.frame(table(x))$Freq > 1,])
#> [1] 2

^{创建于 2022-12-08 reprex v2.0.2}

所以我想知道是否有人知道如何计算所有重复项而不是计算值的数量有重复？

【问题讨论】：

标签： r count duplicates

【解决方案1】：

在写这个问题时，我发现了一个带有 table 的选项，并对 names 的值的数量求和，这些值在该表中有重复项，如下所示：

x <- c(1, 1, 4, 5, 4, 6, 1, 1)
sum(table(x)[names(table(x)) %in% x[duplicated(x)]])
#> [1] 6

^{创建于 2022-12-08 reprex v2.0.2}

我认为不使用 table 函数应该有更好的选择。

【讨论】：

仅供参考，运行table(x)两次在惩罚你...

【解决方案2】：

我们可以使用 duplicated 两次，即。从正向和反向，以便覆盖所有重复项

sum(duplicated(x)|duplicated(x, fromLast = TRUE))
[1] 6

【讨论】：

【解决方案3】：

其他选项：

sum(Filter((z) z > 1, table(x)))
sum(setdiff(table(x), 1L))
sum(x %in% x[duplicated(x)])

最后一个显然是最快的，akrun 紧随其后：

bench::mark(
  sum(Filter((z) z > 1, table(x))),
  sum(setdiff(table(x), 1L)),
  sum(x %in% x[duplicated(x)]),
  sum(table(x)[names(table(x)) %in% x[duplicated(x)]]),
  sum(duplicated(x)|duplicated(x, fromLast = TRUE))
)
# # A tibble: 5 x 13
#   expression                                                min   median `itr/sec` mem_alloc `gc/sec` n_itr  n_gc total_time result    memory              time                gc                   
#   <bch:expr>                                           <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl> <int> <dbl>   <bch:tm> <list>    <list>              <list>              <list>               
# 1 sum(Filter(function(z) z > 1, table(x)))                 58us   67.5us    14335.    5.35KB     6.62  6499     3    453.4ms <int [1]> <Rprofmem [16 x 3]> <bench_tm [6,502]>  <tibble [6,502 x 3]> 
# 2 sum(setdiff(table(x), 1L))                             51.6us   60.9us    16046.        0B     6.56  7338     3    457.3ms <int [1]> <Rprofmem [0 x 3]>  <bench_tm [7,341]>  <tibble [7,341 x 3]> 
# 3 sum(x %in% x[duplicated(x)])                            2.8us    3.2us   294065.        0B     0    10000     0       34ms <int [1]> <Rprofmem [0 x 3]>  <bench_tm [10,000]> <tibble [10,000 x 3]>
# 4 sum(table(x)[names(table(x)) %in% x[duplicated(x)]])  102.1us  123.4us     7957.        0B     4.26  3737     2    469.6ms <int [1]> <Rprofmem [0 x 3]>  <bench_tm [3,739]>  <tibble [3,739 x 3]> 
# 5 sum(duplicated(x) | duplicated(x, fromLast = TRUE))     4.3us    4.9us   194347.        0B    19.4   9999     1     51.4ms <int [1]> <Rprofmem [0 x 3]>  <bench_tm [10,000]> <tibble [10,000 x 3]>

（免责声明：用这么小的数据分析代码真的是徒劳的……但我很好奇。）

【讨论】：

【解决方案4】：

一种愚蠢的计算方式。计算重复值，并计算重复项的数量。

sum(duplicated(x))+anyDuplicated(x)
# 6

【讨论】：