如何用R的dplyr包生成排除自身的Duplicate_IDs列？

原代码的问题是直接拼接了分组内的所有ID，没有排除当前行的ID，导致每行得到的是组内全部ID，而非除自身外的重复ID。以下是两种正确实现方式：

方式一：结合purrr包处理 #

library(dplyr)
library(purrr)

data <- data %>%
  group_by(`Column A`, `Column B`, `Column C`) %>%
  mutate(Duplicate_IDs = ifelse(
    n() > 1,
    map_chr(id, ~paste(setdiff(id, .x), collapse = ",")),
    NA_character_
  )) %>%
  ungroup()

逻辑说明： #

• 按Column A、Column B、Column C分组，识别重复组
• 仅当组内行数大于1时生成重复ID列表，否则赋值为NA
• 用map_chr逐行处理：对当前行的ID，通过setdiff从组内所有ID中移除自身，再拼接成字符串

方式二：仅用base R + dplyr实现 #

如果不想引入purrr包，可使用sapply替代：

library(dplyr)

data <- data %>%
  group_by(`Column A`, `Column B`, `Column C`) %>%
  mutate(Duplicate_IDs = ifelse(
    n() > 1,
    sapply(id, function(x) paste(id[id != x], collapse = ",")),
    NA_character_
  )) %>%
  ungroup()

逻辑说明： #

• 核心逻辑与方式一一致，通过sapply遍历每个ID，筛选出组内不等于当前ID的元素后拼接

运行任意一种代码，都能得到预期的Duplicate_IDs列：

• id=8的行将得到10
• id=17的行将得到18,19
• id=20的行保持NA

内容的提问来源于stack exchange，提问作者Shashank Kalluri