dplyr中等价于df[duplicated(df[,subset]),]的实现方法

需求：找到和基础R代码 df[duplicated(df[,subset]),] 等价的dplyr写法，该代码的作用是基于指定的subset列识别重复组，保留每组中除首个匹配行之外的所有重复行。

先说明：显示所有重复行的代码（包含首行） #

你提到的这段代码会筛选出所有属于重复组的行（包括每组的第一行），但并非我们要的目标结果：

df %>% filter(n() > 1, .by = col)

正确的等价写法 #

方法1：使用.by参数（dplyr 1.1.0及以上版本推荐）

无需显式分组，语法更简洁，且保留原数据行顺序：

df %>% filter(row_number() > 1, .by = subset)

方法2：显式分组写法（兼容旧版dplyr）

通过group_by指定分组列，筛选时保留每组第2行及以后的记录，最后取消分组状态避免影响后续操作：

df %>% group_by(subset) %>% filter(row_number() > 1) %>% ungroup()

你提到的SQL风格写法优化 #

你想到的贴近SQL风格的写法是可行的，只需将col替换为实际的subset列，建议加上ungroup()清理分组：

# 替换subset为实际列名；若要基于所有列，旧版dplyr可用group_by_all()，新版推荐group_by(across(everything()))
df %>% group_by(subset) %>% filter(row_number() > 1) %>% ungroup()

内容的提问来源于stack exchange，提问作者qwr