Extrahieren Sie Zeilen, die Duplikate für bestimmte Spalten haben, aber in einer anderen Spalte eindeutig sind.

Question

Ich mache etwas Codierung in R. Ich möchte die Zeilen anzeigen, die Duplikate für Spalten ID und NAME haben, aber unterschiedliche Werte für AGE haben.

Zum Beispiel habe ich diese Tabelle:

ID | NAME | AGE 
111|  Mark| 22 
222|  Anne| 21 
333| Chery| 30 
444| Megan| 16 
555| Charles| 37 
111|  Mark| 23 
222|  Anne| 22 
333| Chery| 30 
111|  Mark| 22 

Ab jetzt habe ich diesen Code:

readfile <- read.csv(file='/home/user/shane/names.csv') 
dat <- data.frame(ID=c(readfile$ID),NAME=c(readfile$NAME),AGE=c(readfile$AGE)) 
nam <- duplicated(dat[,c('ID','NAME)]) | duplicated(dat[,c('ID','NAME], fromLast = TRUE) 
readfile[nam,] 

Die Ausgabe sieht wie folgt aus:

ID | NAME | AGE 
111|  Mark| 22 
222|  Anne| 21 
333| Chery| 30 
111|  Mark| 23 
222|  Anne| 22 
333| Chery| 30 
111|  Mark| 22 

Ich möchte Die Ausgabe soll lauten:

Ich möchte die Spalten mit der ID = 333 entfernen, da sie den gleichen Wert in Age haben. hätte jemand einen Vorschlag?

Answer 1

ich gezwickt nur Code :)

dat <- data.frame(ID=c(111,222,333,444,555,111,222,333,111), NAME=c('Mark','Anne','Chery','Megan','Charles','Mark','Anne'‌​,'Chery','Mark'), AGE=c(22,21,30,16,37,23,22,30,22)) 
library(plyr) 
dat1 <- ddply(dat,.(ID,NAME, AGE),nrow) 
dat2 <- merge(dat1,dat,by=c("ID","NAME","AGE")) 
dat3 <- dat2[!(!duplicated(dat2[,1:2], fromLast=T) & !duplicated(dat2[,1:2])),] 
dat3[dat3$ID %in% dat3[dat3$V1==1,1],1:3] 

Hope this Hilfe!

(bearbeiten diese Lösung nach @ shia1717 erwähnte seine spezifische Anforderung - für mehr Details Kommentar siehe Abschnitt)

Answer 2

A dplyr Lösung:

library(dplyr) 
dat %>% 
    group_by(ID, NAME) %>% 
    filter(n() > 1, sum(duplicated(AGE)) == 0) %>% 
    ungroup() 
# A tibble: 4 x 3 
    ID NAME AGE 
    <dbl> <fctr> <dbl> 
1 111 Mark 22 
2 222 Anne 21 
3 111 Mark 23 
4 222 Anne 22 

ich die Daten verwendet, mit freundlicher Unterstützung von @Prem zur Verfügung gestellt.

Answer 3

Hier Option mit data.table

library(data.table) 
setDT(dat)[, .SD[.N >1 & !sum(duplicated(AGE))], by = .(ID, NAME)] 
# ID NAME AGE 
#1: 111 Mark 22 
#2: 111 Mark 23 
#3: 222 Anne 21 
#4: 222 Anne 22