如何在R中找出多列中重复出现的年月值（含跨列匹配）

核心思路 #

把所有年月数据（year_month_min和year_month_max）整合到同一列，统计每个年月对应的唯一风暴数量，只要数量≥2，就说明该年月存在至少两场不同风暴——这个逻辑自动覆盖你提出的三个匹配条件，同时排除仅自身行内min/max相同的单风暴情况。

具体代码实现 #

1. 加载所需工具包 #

library(dplyr)
library(tidyr)

2. 转换数据格式并筛选目标年月 #

# 第一步：将宽格式数据转为长格式，收集所有年月与对应风暴
long_data <- my_data %>%
  pivot_longer(
    cols = c(year_month_min, year_month_max),
    names_to = "month_type",
    values_to = "year_month"
  ) %>%
  select(storm_name, year_month) # 保留关键列

# 第二步：统计每个年月的唯一风暴数，筛选出至少2场的年月
target_months <- long_data %>%
  group_by(year_month) %>%
  summarise(unique_storm_count = n_distinct(storm_name)) %>%
  filter(unique_storm_count >= 2)

# 查看目标年月结果
print(target_months)

3. （可选）关联原数据获取对应风暴信息 #

如果需要知道这些年月对应的具体风暴，可以把筛选结果关联回原数据：

result_with_storms <- my_data %>%
  filter(
    year_month_min %in% target_months$year_month | 
    year_month_max %in% target_months$year_month
  )

print(result_with_storms)

结果验证 #

运行后，target_months会输出所有符合条件的年月：

# A tibble: 10 × 2
   year_month unique_storm_count
   <chr>                   <int>
 1 2007-08                     2
 2 2007-09                     2
 3 2008-08                     2
 4 2008-09                     2
 5 2010-09                     2
 6 2017-08                     2
 7 2017-09                     3
 8 2018-08                     2
 9 2019-08                     2
10 2019-09                     2

可以看到，像2008-11（仅PALOMA_2008）、2018-10（仅MICHAEL_2018）这类单风暴年月被自动排除，完全符合需求。

内容的提问来源于stack exchange，提问作者degeso