如何在R语言中按Key分组生成排除当前行DataID的Duplicates列

首先，为保证结果可复现，先设置随机种子并生成示例数据：

set.seed(123)
df <- data.frame(Key = c(rep("A", 2), rep("B", 4), rep("C", 3), rep("D", 2)),
                 DataID = round(runif(11, min = 400, max = 500), digits = 0))

使用tidyverse工具可实现需求，核心思路是按Key分组后，从组内所有DataID中移除当前行的对应值，优化后的代码如下：

library(tidyverse)

df_updated <- df %>%
  group_by(Key) %>%
  mutate(
    # 为每个分组生成包含所有DataID的列表
    group_data = list(DataID),
    # 遍历每一行，从组内数据中排除当前行的DataID
    Duplicates = map2(group_data, DataID, ~ .x[.x != .y])
  ) %>%
  # 移除临时辅助列
  select(-group_data) %>%
  ungroup()

代码说明 #

• group_by(Key)：按Key分组，确保仅处理同一分组内的关联数据
• group_data = list(DataID)：为每个分组创建包含该组所有DataID的列表列，作为后续过滤的数据源
• map2(group_data, DataID, ~ .x[.x != .y])：通过map2同时遍历分组数据列表和当前行的DataID，筛选出不等于当前行DataID的所有值，生成Duplicates列
• select(-group_data)：移除临时创建的辅助列，保持数据整洁
• ungroup()：取消分组，恢复数据框的普通结构

示例输出 #

运行代码后，df_updated的部分结果如下：

# A tibble: 11 × 3
   Key   DataID Duplicates
   <chr>  <dbl> <list>    
 1 A        428 <dbl [1]> 
 2 A        478 <dbl [1]> 
 3 B        440 <dbl [3]> 
 4 B        488 <dbl [3]> 
 5 B        494 <dbl [3]> 
 6 B        441 <dbl [3]> 
 7 C        438 <dbl [2]> 
 8 C        469 <dbl [2]> 
 9 C        445 <dbl [2]> 
10 D        470 <dbl [1]> 
11 D        442 <dbl [1]> 

展开列表列可见，每个Duplicates值都是当前Key分组中排除自身DataID后的所有关联值。

内容的提问来源于stack exchange，提问作者Rhenny