【R-选取有重复的数据】

有的时候发现想找出有重复的数据，可能有不同的需求，就要有不同的解决办法了
先弄一个小点的数据作为例子：

> name <- c("a","b","a","a","c","c")
> num <- 1:6
> dt1 <- data.frame(name = name, number = num)
> dt1
  name number
1    a      1
2    b      2
3    a      3
4    a      4
5    c      5
6    c      6

这里的name是有重复的，number没有重复。

1.去除重复数据

这里的重复，是指两行数据完全相同，也就是说dt1整体来说是没有重复的，只有name有重复。用基础包中的unique()函数可以做到去除完全重复的数据，所有的行只会出现一次：

> unique(dt1)
  name number
1    a      1
2    b      2
3    a      3
4    a      4
5    c      5
6    c      6
> unique(dt1$name)
[1] "a" "b" "c"

那如果要选出某一列有重复的数据该怎么办呢？这就要借助一下另一个函数：duplicated()

2.选出重复了的数据

duplicated()函数返回的是和原数据长度相同的一组逻辑值，于是，可以用来判断和选择数据。找出有重复的，找出没有重复的都可以做到。

> duplicated(dt1$name)
[1] FALSE FALSE  TRUE  TRUE FALSE  TRUE
> dt1[duplicated(dt1$name) == T,]
  name number
3    a      3
4    a      4
6    c      6
> dt1[duplicated(dt1$name) == F,]
  name number
1    a      1
2    b      2
5    c      5

这也要还有一个问题，它只会选择出第二次及其以后出现的数据，a在原数据中出现了三次，第一次上出现的a，它认为是没有重复的，如果也想选择出来该怎么做呢？我寻找到一个我觉得比较好的办法。

3.选出有重复的数据（包含第一次出现的）

这里使用了一个比较厉害的包了，dplyr，看来得好好学一学它。

> library(dplyr)
> duplicate_name = dt1 %>% group_by(name) %>% summarise(freq = n()) %>% filter(freq > 1) %>% select(name)
> duplicate_name
# A tibble: 2 x 1
  name 
  <chr>
1 a    
2 c    
> duplicate_data = dt1[dt1$name %in% duplicate_name$name, ]
> duplicate_data
  name number
1    a      1
3    a      3
4    a      4
5    c      5
6    c      6

貌似这个包需要额外安装下。这里的%>%类似通道符，把左边的结果传输到右边，%%感觉有点转义符的意味了。
先是对频数进行记录，在来一轮选择，如果想知道每一步都发生了什么，可以一段一段拆解开来运行看一下。
最终，出现过重复的所有数据就都选择出来啦！

参考资料

R语言中 在有重复的数据中只保留时间最大的一条数据

番外

以及我看还有人是通过循环，再找一遍和重复数据有重合的，来弥补第一次数据的缺失，我感觉比较麻烦一些，而且数据比较大的话，貌似就不是太方便了，我也去试试看。
使用R语言筛选数据中的重复行

dt2 <- dt1[duplicated(dt1$name) == T,]
# 原始代码
for (i in c(1:nrow(dt2))){
  for (j in c(1:nrow(dt1))){
    if (sum(dt2[i,] == dt1[j,]) == ncol(dt1)){
      print(dt1[j,])
      print(paste( "In the row", j))
    }
  }
}
# 改进一下：
dt3 <- data.frame()
for (i in c(1:nrow(dt2))){
  for (j in c(1:nrow(dt1))){
    if (dt2[i,1] == dt1[j,1]) {
      dt3 <- rbind(dt3,dt1[j,])
    }
  }
}
dt3
# 发现有重复，因为dt2中的a有出现两次

这个比较适用于完全一致的那种重复，而且不适合重复3次以上次的数据，我裂开了，有兴趣可以看看原文章，我个人还是觉得dplyr包好使，又快又准。
就到这啦！对你有帮助就点个赞叭！