R语言如何批量逐行查找首列值的重复位置并忽略空值

问题背景 #

当前需处理70行投票调研数据，计划编写R脚本完成数据清洗，核心需求为检测自投票行为：

• 数据结构：第一列为选民姓名，其余列对应不同投票类别下的投票对象，每行对应1位选民
• 检测逻辑：逐行检查该行首列的选民本人姓名是否在该行其他投票列中出现，定位重复值所在列，后续基于检测结果删除自投票记录

原有方案的问题 #

最初使用x[duplicated(x)]提取单行内重复值，测试第一行时可正确识别John Smith在最后一列的自投票记录，但存在三个明显缺陷：

• 无法批量运行，只能逐行手动执行代码
• 会将空值、NA误识别为重复值，例如Jane Doe行的两个空投票项会被错误标记，这类无效结果无需保留
• 会返回行内所有重复值，实际仅需要首列选民姓名的匹配结果，其他重复值无意义

测试数据构造代码 #

voter_name <- c("John Smith", "Jane Doe", "John Doe", "Beyonce")
poll1 <- c("Spiderman", "The Hulk", "Superman", "Batman")
poll2 <- c("Red", "", "Purple", "Yellow")
poll3 <- c("Georgia", "", "Alaska", "Michigan")
poll4 <- c("John Smith", "John Doe", "Beyonce", "Jane Doe")
df <- data.frame(voter_name, poll1, poll2, poll3, poll4)

原有单行检测代码 #

RowVector = as.character(df[1, ])
RowVector[duplicated(RowVector)]

实现方案 #

不需要编写复杂循环，直接用apply()实现批量逐行检测，从匹配逻辑层面规避原有方法的所有问题：仅匹配首列选民姓名、自动跳过空值/NA、直接返回自投票对应的列位置。

# 统一将所有列转为字符型，避免因子类型导致的匹配异常
df[] <- lapply(df, as.character)

# 逐行检测自投票位置
df$self_vote_col <- apply(df, 1, \(row) {
  target_name <- row[1]
  # 排除首列，仅检查投票列：匹配和选民姓名完全一致的非空、非NA值
  match_pos <- which(
    row[-1] == target_name & 
    nzchar(row[-1]) & 
    !is.na(row[-1])
  )
  # 因排除了首列，索引偏移1位，无匹配则返回NA
  length(match_pos) > 0 ? match_pos + 1 : NA
})

结果说明 #

在示例数据上运行后输出结果如下：

• 第1行（John Smith）：自投票位置为第5列（poll4），返回值5
• 第2行（Jane Doe）：两个空投票项不会被误判，无自投票记录，返回值NA
• 第3行（John Doe）：自投票位置为第5列（poll4），返回值5
• 第4行（Beyonce）：自投票位置为第5列（poll4），返回值5

若单行存在多列自投票的情况，代码会返回所有匹配到的列位置；后续删除自投票记录时，直接过滤is.na(df$self_vote_col)为FALSE的行即可。

内容的提问来源于stack exchange，提问作者user19447690