如何用类似apply的方式计算R数据框df各列的重复值数量？

Got it！你想要用类似apply(df, 2, max)的方式计算数据框每列的重复值数量，这很容易实现，咱们直接用apply配合自定义函数就能搞定，下面给你两种常用的思路：

方法1：总观测数减去唯一值数量 #

核心逻辑是：每列的重复值总数 = 列的总行数 - 列中唯一值的数量。用apply对每列应用这个逻辑即可：

# 计算每列重复值数量
duplicate_counts <- apply(df, 2, function(x) length(x) - length(unique(x)))

这里的匿名函数function(x)会依次接收每一列的向量x，length(x)获取该列的总行数，length(unique(x))得到该列不重复值的数量，两者相减就是重复值的总个数（比如某个值出现3次，会被统计为2次重复，这是常规的重复值计数逻辑）。

方法2：用duplicated()直接统计重复项 #

另一种更直观的方式是用duplicated()函数——它会给每一个非首次出现的重复元素标记为TRUE，我们只需要用sum()统计这些标记的数量就行：

duplicate_counts <- apply(df, 2, function(x) sum(duplicated(x)))

这个方法的结果和方法1完全一致，因为sum(duplicated(x))本质上就是在计算「总观测数 - 唯一值数量」。

示例验证 #

拿你给出的示例数据（假设df共6行）来测试：

• var1全是2018-12-31，重复数量为6-1=5
• var4全是0，重复数量也是5
• var5里0出现了2次，其他值都是唯一的，重复数量为1

运行代码后，duplicate_counts会返回一个对应每列的结果向量：

var1 var2 var3 var4 var5 
   5    0    0    5    1 

另外，如果你更习惯用sapply（它对数据框的列操作更友好，返回结果同样是向量），写法可以简化成：

duplicate_counts <- sapply(df, function(x) length(x) - length(unique(x)))

效果和apply完全相同。

内容的提问来源于stack exchange，提问作者adrCoder