R语言：基于多列查找跨门店重复行并标记，保留原数据

核心思路 #

按brand和date分组，判断每组内是否存在多个不同的shop_code：

• 如果是，将该行的revision设为对应的shop_code
• 如果否，revision留空

具体实现 #

1. dplyr（tidyverse风格） #

适合日常数据处理，代码可读性高：

library(dplyr)

df <- df %>%
  group_by(brand, date) %>%
  mutate(revision = ifelse(n_distinct(shop_code) > 1, as.character(shop_code), "")) %>%
  ungroup()

2. data.table（大数据场景） #

处理百万级以上数据时效率更优：

library(data.table)

setDT(df)
df[, revision := if(length(unique(shop_code)) > 1) as.character(shop_code) else "", by = .(brand, date)]

3. 基础R（无依赖） #

无需安装额外包，适合轻量场景：

df$revision <- ave(df$shop_code, df$brand, df$date, 
                   FUN = function(x) {
                     if(length(unique(x)) > 1) as.character(x) else ""
                   })

效果验证 #

运行后会得到符合需求的结果：

• 2023-01-04的Renault（门店1、5）、2011-03-30的Ford（门店3、1）这类跨门店重复行，revision会被标记为对应门店号
• 同一brand+date下仅单个门店的行，revision保持为空

内容的提问来源于stack exchange，提问作者Andres