Encontrar TODAS las filas duplicadas, incluidos los "elementos con subíndices más pequeños"

Question

R's duplicated devuelve un vector que muestra si cada elemento de un vector o marco de datos es un duplicado de un elemento con un subíndice más pequeño. Así que si las filas 3, 4 y 5 de una trama de datos de 5 filas son los mismos, duplicated me dará el vector

FALSE, FALSE, FALSE, TRUE, TRUE 

Pero en este caso que en realidad quiere conseguir

FALSE, FALSE, TRUE, TRUE, TRUE 

que es decir, quiero saber si una fila está duplicada por una fila con un subíndice más grande también.

Answer 1

duplicated tiene un argumento fromLast. La sección "Ejemplo" de ?duplicated le muestra cómo usarlo. Simplemente llame al duplicated dos veces, una vez con fromLast=FALSE y una vez con fromLast=TRUE y tome las filas donde cualquiera de ellas es TRUE.

---

Algunos Editar tarde: No ha proporcionado un ejemplo reproducible, por lo que aquí es una ilustración amablemente aportado por @jbaums

vec <- c("a", "b", "c","c","c") 
vec[duplicated(vec) | duplicated(vec, fromLast=TRUE)] 
## [1] "c" "c" "c" 

Answer 2

Debe ensamblar el conjunto de valores duplicated, aplicar unique, y luego probar con %in%. Como siempre, un problema de muestra hará que este proceso cobre vida.

> vec <- c("a", "b", "c","c","c") 
> vec[ duplicated(vec)] 
[1] "c" "c" 
> unique(vec[ duplicated(vec)]) 
[1] "c" 
> vec %in% unique(vec[ duplicated(vec)]) 
[1] FALSE FALSE TRUE TRUE TRUE 

Answer 3

que he tenido el same question, y si no estoy equivocado, esta es también una respuesta.

vec[col %in% vec[duplicated(vec$col),]$col] 

No sé cuál es más rápido, sin embargo, el conjunto de datos actualmente estoy usando no es lo suficientemente grande como para hacer pruebas que producen intervalos de tiempo significativos.