在R中筛选dataframe中ID出现次数大于1的所有对应行的问题

你之前的代码不生效是因为duplicated()函数默认仅会将某个值第二次及之后出现的位置标记为TRUE，首次出现的重复ID对应行仍会被标记为FALSE，因此只能得到重复ID的部分行，无法保留全部。

以下是两种常用的正确实现方式：

基础R实现（无需额外安装包） #

方法1：按ID频次筛选

先统计每个ID的出现次数，筛选出次数大于1的ID，再保留所有对应行，逻辑最直观：

d_sub <- subset(d, ID %in% names(which(table(d$ID) > 1)))

方法2：双向重复标记

通过正、倒序两次调用duplicated()，将所有属于重复ID的行全部标记为TRUE：

d_sub <- subset(d, duplicated(d$ID) | duplicated(d$ID, fromLast = TRUE))

两种方法对万行级别数据集的运行效率无明显差异，按需选择即可。

dplyr实现（可读性更高，适合tidyverse技术栈） #

按ID分组后筛选组内行数大于1的所有记录，方便后续衔接其他数据处理操作：

library(dplyr)
d_sub <- d %>%
  group_by(ID) %>%
  filter(n() > 1) %>%
  ungroup() # 不需要保留分组时可加上，避免影响后续操作

运行上述任意一种代码，都可以得到你预期的、保留所有重复ID对应全部行的d_sub。

内容的提问来源于stack exchange，提问作者logjammin