如何提取数据框中ID重复的整行至新变量？R语言技术问询

首先，你不用纠结if语句啦——R里处理这种整行筛选的场景，用向量化操作会比循环/if判断高效得多，而且逻辑更清晰。

你的需求是保留所有ID不唯一的行（也就是ID出现次数≥2的所有对应行），可以按以下步骤来：

步骤1：创建标记重复行的逻辑向量 #

我们需要找出所有ID重复的行，包括第一次出现的那行（默认duplicated()只会标记后续重复的行）。可以结合正序和倒序的duplicated()结果：

# 生成逻辑向量：标记所有ID重复的行
is_dup <- duplicated(my_data$id) | duplicated(my_data$id, fromLast = TRUE)

• duplicated(my_data$id)：从前往后看，标记非首次出现的重复ID行
• duplicated(my_data$id, fromLast = TRUE)：从后往前看，标记非末次出现的重复ID行
• 用|（逻辑或）组合后，就能得到所有ID出现次数≥2的行的标记

步骤2：筛选出目标行 #

直接用这个逻辑向量去筛选你的数据框即可：

# 提取所有重复ID对应的行
duplicated_rows <- my_data[is_dup, ]

举个实际例子验证 #

假设你的原始数据是这样的：

my_data <- data.frame(
  month = c(1, 1, 1),
  year = c(2014, 2014, 2014),
  id = c(20, 305, 305)
)

运行上面的代码后，duplicated_rows的结果就是你想要的：

month year  id
2     1 2014 305
3     1 2014 305

为什么不用if语句？ #

你之前写的if(duplicated(my_data$id) = TRUE)有两个小问题：

1. 比较相等应该用==，而不是赋值的=
2. if语句只能处理单个逻辑值，但duplicated()返回的是和数据行数一样的逻辑向量，直接用if会报错。R的优势就是向量化操作，直接用向量筛选比循环判断简洁高效得多。

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