You need to enable JavaScript to run this app. R语言如何筛选重复ID下cat与actual.cat不匹配的行
优惠活动
大模型
产品
解决方案
定价
更多

R语言如何筛选重复ID下cat与actual.cat不匹配的行

核心筛选逻辑

完全匹配需求的判断规则可以拆为两层:

  • 单条出现的非重复id,不做任何校验全部保留
  • 同一id出现多次的重复分组,删除组内cat与actual.cat取值相等的行,仅保留两字段取值不匹配的行

实现方法

1. 基础R原生实现(无需加载第三方包)

先标记所有存在重复值的id,再叠加条件做行过滤:

# 提取所有存在重复的id值
dup_ids <- unique(df$id[duplicated(df$id) | duplicated(df$id, fromLast = TRUE)])

# 按规则筛选行
df_filtered <- df[
  !(df$id %in% dup_ids) | (df$id %in% dup_ids & df$cat != df$actual.cat),
]

运行代码得到的行内容和示例的预期输出完全一致,如果需要去掉原数据的行号、重置为连续从1开始的序号,只需要执行rownames(df_filtered) <- NULL即可,和示例的输出格式完全匹配。

2. dplyr分组实现(逻辑更直观)

熟悉tidyverse生态的话,用分组判断的写法可读性更强,不需要单独提取重复id列表:

library(dplyr)

df_filtered <- df %>%
  # 按id字段分组
  group_by(id) %>%
  # 组内规则:重复id(组内行数>1)仅保留cat与actual.cat不相等的行;单id行全部保留
  filter(if_else(n() > 1, cat != actual.cat, TRUE)) %>%
  # 解除分组状态
  ungroup()

两种方法可以根据日常使用习惯选择,在常规规模的数据集下运算效率没有明显差异。

内容的提问来源于stack exchange,提问作者amisos55

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.18 23:54:06