如何订购和计算 R 中每个唯一值的重复次数？答案

【问题标题】：How to order & count the number of duplicates for each unique value in R?如何订购和计算 R 中每个唯一值的重复次数？
【发布时间】：2021-08-12 07:57:21
【问题描述】：

我正在处理房地产市场上的抓取数据，我有一个包含一些重复数据的数据集，这些数据是有条件地根据一组特征找到的。假设我有观察 A、B 和 C，除租金值和日期（日期 A

我创建了一个列，告诉我每个观察是否重复。所以我看到一列具有“FALSE”“TRUE”“FALSE”“FALSE”“TRUE”值的标准序列。

我想创建另一个列来告诉我，对应于“TRUE”，这是它的序数。例如，在我的示例中，我希望对应于观察 B 的值为 2，对应于 obs C 的值为 3，依此类推。

在 R 中有没有办法做到这一点？

谢谢。

【问题讨论】：

dput(head(data_frame_name, 20))的发布输出
如果您创建一个小的可重现示例以及预期的输出，这将更容易提供帮助。阅读how to give a reproducible example。

标签： r count duplicates

【解决方案1】：

您没有提供任何代码或数据，因此很难提供准确的答案。

但是，假设您的数据是 df，使用 dplyr 您可以执行以下操作：

df <- tibble(
  x = c(1:2,5,8,4),
  y = c(1:2,8,8,9),
  duplicated = c(TRUE,TRUE,FALSE,TRUE,FALSE)
)

> df %>% 
+   group_by(duplicated) %>% 
+   mutate(ordinality = ifelse(duplicated,row_number(),NA))
# A tibble: 5 x 4
# Groups:   duplicated [2]
      x     y duplicated ordinality
  <dbl> <dbl> <lgl>           <int>
1     1     1 TRUE                1
2     2     2 TRUE                2
3     5     8 FALSE              NA
4     8     8 TRUE                3
5     4     9 FALSE              NA

这就是你要找的吗？

【讨论】：

【解决方案2】：

如果您已经有一个名为“duplicates”的列具有 TRUE/FALSE 值，您可以使用 group_by() 和 cumsum() 来计算连续重复，例如

# Load libraries
library(tidyverse)

# Load dataset
data(us_rent_income)
df <- us_rent_income

# Create example dataset 
df2 <- df %>%
  bind_rows(., df, df, df) %>% 
  arrange(NAME) %>% 
  filter(variable == "rent") %>% 
  mutate(duplicates = ifelse(
    lag(NAME, n = 1, default = "FALSE") != NAME, "FALSE", "TRUE")
    ) %>% 
  select(NAME, variable, estimate, duplicates)

df2
## A tibble: 208 x 4
#   NAME    variable estimate duplicates
#   <chr>   <chr>       <dbl> <chr>     
# 1 Alabama rent          747 FALSE     
# 2 Alabama rent          747 TRUE      
# 3 Alabama rent          747 TRUE      
# 4 Alabama rent          747 TRUE      
# 5 Alaska  rent         1200 FALSE     
# 6 Alaska  rent         1200 TRUE      
# 7 Alaska  rent         1200 TRUE      
# 8 Alaska  rent         1200 TRUE      
# 9 Arizona rent          972 FALSE     
#10 Arizona rent          972 TRUE      

# Add the duplicate_ordinality column
df3 <- df2 %>% 
  group_by(NAME) %>% 
  mutate(duplicate_ordinality = cumsum(duplicates == "TRUE")) %>% 
  ungroup()

df3
## A tibble: 208 x 5
#   NAME    variable estimate duplicates duplicate_ordinality
#   <chr>   <chr>       <dbl> <chr>                     <int>
# 1 Alabama rent          747 FALSE                         0
# 2 Alabama rent          747 TRUE                          1
# 3 Alabama rent          747 TRUE                          2
# 4 Alabama rent          747 TRUE                          3
# 5 Alaska  rent         1200 FALSE                         0
# 6 Alaska  rent         1200 TRUE                          1
# 7 Alaska  rent         1200 TRUE                          2
# 8 Alaska  rent         1200 TRUE                          3
# 9 Arizona rent          972 FALSE                         0
#10 Arizona rent          972 TRUE                          1

【讨论】：