识别重复项并创建具有公共 ID r 的列 [重复]

Question

我有一个DF

df <- data.frame(ID = c('a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'),
                 var1 = c(1, 1, 3, 4, 5, 5, 7, 8),
                 var2 = c(1, 1, 0, 0, 1, 1, 0, 0),
                 var3 = c(50, 50, 30, 47, 33, 33, 70, 46))

其中列 var1 - var3 是建模软件的数值输入。为了节省计算时间，我想在建模软件中模拟 var1 - var3 的唯一实例，然后使用 leftjoin 将结果连接回主数据框。

我需要向每一行添加第二个标识符，以表明它与另一行的 var1-var3 相同。输出将是这样的：

  ID var1 var2 var3 ID2
1  a    1    1   50 ab
2  b    1    1   50 ab
3  c    3    0   30 c
4  d    4    0   47 d
5  e    5    1   33 ef
6  f    5    1   33 ef
7  g    7    0   70 g
8  h    8    0   46 h

我可以在软件中对 var1-var3 和 ID2 的唯一行进行子集化模拟，并使用新的 ID2 将结果连接回主 df。

提前致谢

Answer 1

与paste：

library(dplyr) #1.1.0
df %>%
  mutate(ID2 = paste(unique(ID), collapse = ""), 
         .by = c(var1, var2))

#   ID var1 var2 var3 ID2
# 1  a    1    1   50  ab
# 2  b    1    1   50  ab
# 3  c    3    0   30   c
# 4  d    4    0   47   d
# 5  e    5    1   33  ef
# 6  f    5    1   33  ef
# 7  g    7    0   70   g
# 8  h    8    0   46   h

请注意，.by 参数是dplyr 1.1.0 的新功能。您仍然可以将 group_by 和 ungroup 用于早期版本和/或如果您有更复杂的管道。

Answer 2

为了识别，我们将使用 duplicated() 函数返回重复行的计数。 ... 方法：

Create data frame.
Pass it to duplicated() function.
This function returns the rows which are duplicated in forms of boolean values.
Apply sum function to get the number.