使用 data.table 按组显示重复项

Question

我正在尝试使用 data.table 按组显示重复项。更具体地说，我试图找出一个国家在给定年份是否有多个观察结果。这是一个示例数据集：

# load data.table package, assuming it's installed
library(data.table)

# create dataset
year    <- rep(2010:2012, 3)
country <- c(rep("A", 3), rep("B", 3), rep("C", 3))
value   <- sample(2:200, 9, replace = TRUE)
df <- cbind(year, country, value)
df <- rbind(df, c(2012, "C", 20))
df # show data

# put data frame in data.table format and set year as key
dt <- data.table(df)
setkey(dt, year)

请注意，对于 2012 年，国家“C”是两个观测值，而所有其他国家/地区的观测值在年份上都是独一无二的。

我希望以下代码会为我提供重复国家和年份的名称：

dt[duplicated(country), country, by = year]

相反，它显示了 2011 年以后的所有数据，这意味着重复函数应用于整个 data.table，而不是按年份。我将如何使用 data.table 提取 2012 年国家“C”的单个重复值？

Answer 1

只需将country 添加到您的setkey，然后在dt 中使用duplicated(dt)

setkey(dt, year, country)
dt[duplicated(dt)]
#    year country value
# 1: 2012       C    20

或者如果您只想显示国家/地区

dt[duplicated(dt), country]
## [1] "C"

如果您不想键入数据集（例如，如果您想保持顺序），您可以在 duplicated 的 by 参数中指定要区分的列

dt[duplicated(dt, by = c("year", "country")), country]
## [1] "C"

---

编辑：

从 v1.9.8 开始，所有列都在 by 中使用（而不是键），因此，需要像中一样显式传递 by = key(dt)（如果 data.table 是键）

dt[duplicated(dt, by = key(dt))]