使用dplyr识别data.frame重复行并添加0/1标记变量

我来帮你用dplyr搞定这两个标记需求，代码简洁流畅，完全贴合你的要求：

首先咱们先构造示例数据，方便后续演示：

library(dplyr)
library(purrr) # 处理近似重复需要用到这个包

# 构造你给出的示例数据
df <- tibble(
  A = c(1, 1, 0, 0, 1),
  B = c(0, 0, 1, 1, 1),
  C = c(1, 1, 1, 1, 1),
  D = c(1, 1, 1, 1, 1)
)

1. 添加完全重复标记变量E #

要标记所有存在完全重复的行（包括第一次出现的重复行），我们可以结合duplicated()的双向检查，再转成0/1型变量：

df <- df %>%
  mutate(E = as.integer(duplicated(.) | duplicated(., fromLast = TRUE)))

解释：duplicated(.)会标记除第一次出现外的重复行，duplicated(., fromLast = TRUE)会标记除最后一次出现外的重复行，两者取或就能覆盖所有重复行，最后用as.integer()把逻辑值转成0/1。

2. 添加近似重复标记变量F #

这里的近似重复定义是：存在其他行与当前行仅单个列不同。我们可以用rowwise()逐行处理，结合purrr计算每行与其他行的差异列数，再判断是否存在符合条件的行：

df <- df %>%
  rowwise() %>%
  mutate(
    # 计算当前行与每一行的差异列数（包括自身）
    diff_counts = list(map_int(1:nrow(df), ~ sum(c_across(A:D) != df[.x, ]))),
    # 判断是否存在其他行与当前行仅单个列不同（排除自身的差异数0）
    F = as.integer(any(diff_counts == 1))
  ) %>%
  ungroup() %>%
  select(-diff_counts) # 移除中间计算变量

解释：c_across(A:D)选中所有要比较的列，map_int()遍历每一行计算差异列数，最后通过any(diff_counts == 1)判断是否存在满足条件的近似重复行，再转成0/1型变量。

最终得到的结果如下：

完全符合你的要求：E标记了所有完全重复行，F标记了存在单个列差异的近似重复行。

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