R语言实现筛选data.frame指定列值恰好重复2次的行

原有代码存在的核心问题 #

• 函数形参写法非法：R函数定义时不支持直接写df$x这种带索引提取的格式，无法正常接收传入的数据集和列参数
• 功能不匹配需求：原有逻辑仅支持对单独向量做重复值标记，没有实现「输入数据框、指定列、返回筛选后子集」的核心诉求
• 判断逻辑有缺陷：duplicated(x) & rev(duplicated(rev(x)))的写法只能标记取值出现次数≥2的行，无法排除出现3次及以上的取值，不符合「恰好出现2次」的筛选规则

正确实现代码 #

filter_dup_twice <- function(df, col, as.bool = FALSE) {
  # 基础参数校验
  if (!is.data.frame(df)) stop("第一个入参必须为data.frame类型")
  if (!col %in% names(df)) stop("指定的列不存在于输入数据框中")

  # 统计目标列各取值的出现次数
  target_vals <- df[[col]]
  val_freq <- table(target_vals)
  # 标记取值恰好出现2次的行
  keep_logical <- target_vals %in% names(val_freq[val_freq == 2])

  # 按参数要求返回结果
  if (as.bool) {
    return(keep_logical)
  }
  return(df[keep_logical, , drop = FALSE])
}

使用方法 #

# 构造测试数据
df_demo <- data.frame(
  group = c("A", "B", "A", "C", "C", "B", "D"),
  value = 1:7
)

# 1. 直接返回筛选后的数据子集（默认as.bool=FALSE）
filter_dup_twice(df_demo, col = "group")

# 2. 返回和原数据等长的逻辑向量，可用于后续其他计算
filter_dup_twice(df_demo, col = "group", as.bool = TRUE)

注：如果需要适配非标准计算、支持直接传入裸列名（不用写引号），可以在函数里加col <- deparse(substitute(col))做转换，日常用字符串传列名兼容性更好。

内容的提问来源于stack exchange，提问作者Daisy