R语言使用dplyr的filter/subset筛选列值恰好出现2次的行问题

原有代码问题说明 #

• 第一段dplyr代码：核心分组计数的逻辑方向正确，有两个常见问题：一是额外用mutate生成计数列属于冗余步骤，二是如果同时加载了plyr等其他带同名函数的包，可能出现函数冲突导致分组计数失效；另外筛选后没有解除分组，可能影响后续对结果数据框的操作。
• 第二段subset代码：逻辑本身不满足需求：duplicated(x)仅会标记重复取值中非首次出现的行，既会漏掉每个重复取值第一次出现的记录，也无法区分取值的出现次数，会把出现3次及以上的取值的重复行也保留下来。

正确实现代码 #

dplyr::filter 实现 #

不需要额外生成计数列，直接在分组内判断组内行数即可，筛选后记得解除分组：

library(dplyr)
df2 <- df %>%
  group_by(x) %>%
  filter(n() == 2) %>%
  ungroup()

如果存在多包函数冲突的问题，可以显式指定dplyr的函数调用，避免函数覆盖导致的异常：

df2 <- df %>%
  dplyr::group_by(x) %>%
  dplyr::filter(dplyr::n() == 2) %>%
  dplyr::ungroup()

base::subset 实现 #

先统计目标列的取值频次，提取出恰好出现2次的取值，再匹配筛选对应行：

# 统计x列各取值的出现次数
val_count <- table(df$x)
# 提取出现次数恰好为2的取值
target_val <- names(val_count[val_count == 2])
# 筛选对应行
df2 <- subset(df, x %in% target_val)

结果校验 #

运行以下代码，若返回TRUE则说明筛选结果符合预期：

all(table(df2$x) == 2)

内容的提问来源于stack exchange，提问作者user19409573