R duplicated 确定重复元素

说明

duplicated() 确定向量或数据帧的哪些元素是具有较小下标的元素的重复项，并返回一个逻辑向量，指示哪些元素(行)是重复项。

anyDuplicated(.) 是 “generalized” 更高效的版本 any(duplicated(.)) ，返回正整数索引而不仅仅是 TRUE 。

用法

duplicated(x, incomparables = FALSE, ...)

## Default S3 method:
duplicated(x, incomparables = FALSE,
           fromLast = FALSE, nmax = NA, ...)

## S3 method for class 'array'
duplicated(x, incomparables = FALSE, MARGIN = 1,
           fromLast = FALSE, ...)

anyDuplicated(x, incomparables = FALSE, ...)
## Default S3 method:
anyDuplicated(x, incomparables = FALSE,
           fromLast = FALSE, ...)
## S3 method for class 'array'
anyDuplicated(x, incomparables = FALSE,
           MARGIN = 1, fromLast = FALSE, ...)

参数

x	向量或 DataFrame 或数组或 NULL 。
incomparables	无法比较的值向量。 FALSE 是一个特殊值，意味着所有值都可以进行比较，并且可能是默认值以外的方法接受的唯一值。它将在内部强制转换为与 x 相同的类型。
fromLast	逻辑指示是否应从反面考虑重复，即最后一个(或最右边)的相同元素将对应于 duplicated = FALSE 。
nmax	预期的唯一项目的最大数量(大于 1)。
...	特定方法的参数。
MARGIN	数组边距保持固定：请参阅 apply ，并注意 MARGIN = 0 可能有用。

细节

这些是通用函数，具有向量(包括列表)、数据帧和数组(包括矩阵)的方法。

对于默认方法，只要 duplicated 和 anyDuplicated 存在等效方法定义，anyDuplicated(x, ...) 就是 any(duplicated(x, ...)) 的 “generalized” 快捷方式，因为它返回第一个重复项的索引 i如果有条目x[i]，否则0。当 duplicated 和 anyDuplicated 至少之一具有相关方法时，它们的行为可能会有所不同。

duplicated(x, fromLast = TRUE) 相当于但比 rev(duplicated(rev(x))) 更快。

如果剩余维度与较早(或较晚，当 fromLast = TRUE 时)元素的维度相同(按行优先顺序)，则数组方法计算 MARGIN 指定的 sub-array 的每个元素。这最常用于查找重复的行(默认)或列(使用 MARGIN = 2 )。请注意， MARGIN = 0 返回与 x 具有相同维度属性的数组。

缺失值 ( "NA" ) 被视为等于、数字和复数，与 NaN 不同；字符串将在“common encoding”中进行比较；有关详细信息，请参阅使用相同概念的match(和unique)。

incomparables 中的值永远不会被标记为重复。这旨在用于相当小的值集，但对于非常大的值集则效率不高。

除了因子、逻辑向量和原始向量之外，默认 nmax = NA 相当于 nmax = length(x) 。由于分配了8*nmax字节大小的哈希表，适当设置nmax可以节省大量内存。对于因子，它会自动设置为 length(x) 和级别数加一(对于 NA )中较小的一个。如果nmax设置得太小，可能会出现错误：nmax = 1被默默忽略。

duplicated 的默认方法支持 Long vectors，但仅在提供 nmax 时才可用。

值

duplicated() ：对于向量输入，与 x 长度相同的逻辑向量。对于 DataFrame ，是一个逻辑向量，每行一个元素。对于矩阵或数组，当 MARGIN = 0 时，是具有相同维度和暗名称的逻辑数组。

anyDuplicated() ：长度为 1 的整数或实数向量，其值为第一个重复项的从 1 开始的索引(如果有)，否则为 0 。

警告

将其用于列表可能会很慢，特别是如果元素不是原子向量(请参阅vector)或仅在属性上有所不同。最坏的情况是O(n^2)。

例子

x <- c(9:20, 1:5, 3:7, 0:8)
## extract unique elements
(xu <- x[!duplicated(x)])
## similar, same elements but different order:
(xu2 <- x[!duplicated(x, fromLast = TRUE)])

## xu == unique(x) but unique(x) is more efficient
stopifnot(identical(xu,  unique(x)),
          identical(xu2, unique(x, fromLast = TRUE)))

duplicated(iris)[140:143]

duplicated(iris3, MARGIN = c(1, 3))
anyDuplicated(iris) ## 143

anyDuplicated(x)
anyDuplicated(x, fromLast = TRUE)

参考

Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S Language. Wadsworth & Brooks/Cole.

也可以看看

unique 。