作者helixc (@_2;)
看板R_Language
標題[問題] 找出重複的資料組
時間Thu Jul 2 21:48:10 2015
[問題類型]:
程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
[軟體熟悉度]:
新手(沒寫過程式，R 是我的第一次) + 入門(剛開始用R對語法不熟悉)
[問題敘述
資料格式如下，約有一百萬筆以上
有日期(date)、物種編號(bird_id)、物種名稱(bird_name)、數量(num
地點(place)與回報者(reporter)，資料叫做"bird"
每一個旅次會有好幾筆物種與數量的資料，
現在想要以旅次為單位進行分析。
資料大概長這樣：
>head(bird)
date bird_id bird_name num place reporter
1 2001-01-01 201 sp1 3 金門 John
2 2001-01-01 202 sp2 2 金門 John
3 2001-01-01 205 sp3 8 金門 John
4 2001-01-01 3507 sp4 10 金門 John
5 2001-01-01 4104 sp5 1 金門 John
6 2001-01-01 4105 sp6 1 金門 John
由於一個人一天只會去一個地方一次，
目前已經想到可以用date, place, reporter做組合篩選出同一批旅次的調查資料
程式碼如下：
>library('dplyr')
>birdtrip <- select(bird, date, place, reporter)
>birdtrip <- distinct(birdtrip, date, place, reporter)
理論上把旅次(birdtrip)編碼後就可以再對應到原來的資料當中，
但這部分還要想想怎麼寫，慢慢想應該想得出來XD
問題在於這些資料當初是在兩個不同介面蒐集的，
同一旅次的同一批資料有可能會被輸入兩次，
會出現在整個資料的不同地方，請問這要怎麼抓出來呢？
感謝各位
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.138.68.144
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1435844892.A.947.html
※ 編輯: helixc (223.138.68.144), 07/02/2015 21:50:55
1F：推 Edster: a=c(1,1,1);b=c(1,3,1);d = data.frame(a,b);duplicated(d 07/02 22:00
2F：→ Edster: duplicated(d) 07/02 22:00
3F：→ celestialgod: 不太懂問題是什麼？可以舉例什麼叫做不同地方 07/02 22:01
4F：→ celestialgod: 樓上那行跟distinct一樣效果喔~~ 07/02 22:01
5F：→ Edster: d = d[!duplicated(d),] 07/02 22:02
6F：推 Edster: 請問c大, distinct是哪個library? 慚愧平常不太查library. 07/02 22:07
7F：→ celestialgod: dplyr的 就是unique rows... 07/02 22:46
8F：→ celestialgod: 我也很少查，所以我有先查distinct是什麼才問原PO 07/02 22:47
9F：→ gsuper: distinct 是 mysql 的語法 與unique類似 07/02 23:13
10F：→ gsuper: which(d %in% duplicated(d)) 應該就差不多了 07/02 23:14
11F：→ gsuper: which(d %in% d[duplicated(d)]) 07/02 23:22