相关疑难解决方法(0)

我有一个21638个*行的表:

vocabulary <- read.table("http://socserv.socsci.mcmaster.ca/jfox/Books/Applied-Regression-2E/datasets/Vocabulary.txt", header=T)

该表有五列,第一列包含受访者ID号.我想检查是否有任何受访者出现两次,或者所有受访者是否都是独特的.

要计算我可以使用的唯一ID

length(unique(vocabulary$id))

并检查我是否有任何重复

length(unique(vocabulary$id)) == nrow(vocabulary)

TRUE如果没有重复项(没有重复项),则返回.

我的问题:

有没有直接的方法来返回重复的值或行号？

进一步说明:

使用该函数存在解释问题duplicated(),因为只返回严格意义上的重复项,不包括"原件".例如,sum(duplicated(vocabulary$id))或者dim(vocabulary[duplicated(vocabulary$id),])[1]可能返回"5"作为重复行的数量.问题是,如果您只知道重复项的数量,则不会知道它们复制了多少行."5"是否意味着有五行,每行有一个重复,或者有一行有五个重复？由于您不会拥有重复项的ID或行号,因此您无法找到"原件".

*我知道此次调查中没有重复的ID,但这是一个很好的例子,因为使用此问题的其他地方给出的任何答案,duplicated(vocabulary$id)或者table(vocabulary$id)将大海捞针输出到您将无法找到的屏幕上任何可能罕见的重复针.

我有这样的数据,其中一些"名称"出现超过3次:

df <- data.frame(name = c("a", "a", "a", "b", "b", "c", "c", "c", "c"), x = 1:9)

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5
6    c 6
7    c 7
8    c 8
9    c 9

我希望根据"name"变量的每个级别内的行数(观察值)对数据进行子集化(过滤).如果某个级别的"名称"出现超过3次,我想删除属于该级别的所有行.

我写了这段代码,但无法让它工作.

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5

我有以下数据:

x1  x2  x3  x4
34  14  45  53 
2   8   18  17
34  14  45  20
19  78  21  48 
2   8   18  5

在第1行和第3行; 第2列和第5列的列X1; X2,X3的值相等.如何仅输出4行,数字相同？输出应采用以下格式:

x1  x2  x3  x4
34  14  45  53
34  14  45  20
2   8   18  17
2   8   18  5

如果不清楚,请问我问题.

附加问题:在输出中

x1  x2  x3  x4
34  14  45  53
34  14  45  20
2   8   18  17
2   8   18  5

在最后一列中找到值的总和:

x1  x2  x3  x4
34  14  45  73
2 …