如何使用dplyr查找特定列取值完全相同的分组

方法1：dplyr + tidyr 简洁实现 #

核心思路是先按letter分组聚合，判断每组number的集合是否重复，再映射回原表：

library(dplyr)
library(tidyr)

xx_result <- xx %>%
  nest(number_col = number) %>%
  mutate(duplicated = duplicated(number_col) | duplicated(number_col, fromLast = TRUE)) %>%
  unnest(number_col)

运行后得到的结果和你给出的预期输出完全一致。

方法2：仅用dplyr实现 #

如果不想依赖tidyr的嵌套函数，可以用分组聚合后左连接的方式实现：

library(dplyr)

xx_result <- xx %>%
  # 提取每个letter对应的number集合
  group_by(letter) %>%
  summarise(num_set = list(number), .groups = "drop") %>%
  # 双向检查标记所有重复的集合，保证第一个出现的重复组也会被标为TRUE
  mutate(duplicated = duplicated(num_set) | duplicated(num_set, fromLast = TRUE)) %>%
  # 将重复标记映射回原表
  right_join(xx, by = "letter") %>%
  select(letter, number, duplicated)

核心逻辑说明 #

两种方法都利用了duplicated()的双向检查逻辑，同时从前往后、从后往前扫描分组集合，保证所有存在重复的分组（包括第一个出现的重复分组）都会被标记为TRUE，而不是仅标记第二次及之后出现的重复分组。

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