R语言如何在dataframe中查找作答同一套测试的最大考生群体

云上老周

2026-10-3

解决方案

核心逻辑是直接为每一套测试生成唯一标识，完全不需要遍历所有题目组合，仅需遍历1000条考生数据即可完成计算，时间复杂度极低。

实现思路

同组考生的核心特征是作答的15道题的集合完全一致，也就是每行中非NA值的列的位置完全相同。我们只需要将每行非NA列的列名（或索引）按固定顺序拼接为唯一字符串，作为该套测试的ID，再按ID分组统计人数即可快速找到最大群体。

如果业务规则要求同组考生不仅题目相同、答案也完全一致，只需要在生成ID时把对应题目的得分也拼接进去即可。

代码实现

基于tidyverse的实现

library(dplyr)

# 生成测试ID并统计各组人数
stat_result <- df %>%
  rowwise() %>%
  mutate(
    # 仅按题目集合分组的ID生成逻辑
    test_id = paste(sort(names(select(., where(~!is.na(.))))), collapse = "_")
    # 如果需要同时匹配答案，用下面这行替换上面的test_id生成逻辑
    # test_id = paste(sort(paste(names(select(., where(~!is.na(.)))), select(., where(~!is.na(.))), sep = "=")), collapse = "_")
  ) %>%
  ungroup() %>%
  count(test_id, name = "group_size", sort = TRUE)

# 提取最大的同组群体
max_group <- slice_max(stat_result, group_size, n = 1)

基于base R的实现（无需安装第三方包）

# 生成每行的测试ID
test_ids <- apply(df, 1, function(row) {
  paste(sort(names(row)[!is.na(row)]), collapse = "_")
})
# 统计各组人数
stat_result <- sort(table(test_ids), decreasing = TRUE)
# 提取最大的同组群体
max_group <- head(stat_result, 1)