按组检查某个值是否再次出现

Question

我在R工作

样本数据：

我的一些人的 ID 是从他们的社会保障/国民保险号码 (actual_id) 中分配的。假定实际_id 是正确的。

这一栏可能不需要，但我已经算出了每个人在数据中出现的次数（数字）。例如我们可以看到actual_id = 1的人在数据中出现了两次，所以这个人的number = 2。

我创建了一种新的身份识别方法，与社会保障/国民保险号码无关。新方法生成了一个 id，位于 suggest_id 列中。

df <- data.frame(actual_id = c(1, 1, 2, 2, 2, 3, 3), 
                 proposed_id = c("a", "a", "b", "b", "c", "d", "b"), 
                 number = c(2, 2, 3, 3, 3, 2, 2))

print(df)

实际_id	数字	提议的_id
1	2	a
1	2	a
2	3	b
2	3	b
2	3	c
3	2	d
3	2	b

期望的结果

我想要一种方法来评估提议的_id 是否仅对任何实际_id 使用一次：

• 我们可以看到proposal_id = a已经被分配给actual_id = 1，并且不再出现在proposal_id列中。因此，这将被分配为“TRUE”。
• 我们可以看到proposal_id = b已被分配给actual_id = 2，但随后又被进一步分配到proposal_id = 3。这将被分配为“FALSE”。

我的实际数据有 90,000 行。

实际_id	数字	提议的_id	评估
1	2	a	正确
1	2	a	正确
2	3	b	错误
2	3	b	错误
2	3	c	正确
3	2	d	正确
3	2	b	错误

Answer 1

基础R

with(df, ave(actual_id, proposed_id, FUN = function(z) length(unique(z)) == 1)) > 0
# [1]  TRUE  TRUE FALSE FALSE  TRUE  TRUE FALSE

dplyr

library(dplyr)
df %>%
  mutate(assessment = n_distinct(actual_id) == 1, .by = proposed_id)
#   actual_id proposed_id number assessment
# 1         1           a      2       TRUE
# 2         1           a      2       TRUE
# 3         2           b      3      FALSE
# 4         2           b      3      FALSE
# 5         2           c      3       TRUE
# 6         3           d      2       TRUE
# 7         3           b      2      FALSE

数据表

library(data.table)
as.data.table(df)[, assessment := uniqueN(actual_id) == 1, by = "proposed_id"][]
#    actual_id proposed_id number assessment
#        <num>      <char>  <num>     <lgcl>
# 1:         1           a      2       TRUE
# 2:         1           a      2       TRUE
# 3:         2           b      3      FALSE
# 4:         2           b      3      FALSE
# 5:         2           c      3       TRUE
# 6:         3           d      2       TRUE
# 7:         3           b      2      FALSE

---

样本数据

df <- structure(list(actual_id = c(1, 1, 2, 2, 2, 3, 3), proposed_id = c("a", "a", "b", "b", "c", "d", "b"), number = c(2, 2, 3, 3, 3, 2, 2)), class = "data.frame", row.names = c(NA, -7L))

Answer 2

你可以试试

transform(
    df,
    assessment = !ave(actual_id, proposed_id, FUN = \(x) diff(range(x)))
)

这给出了

  actual_id proposed_id number assessment
1         1           a      2       TRUE
2         1           a      2       TRUE
3         2           b      3      FALSE
4         2           b      3      FALSE
5         2           c      3       TRUE
6         3           d      2       TRUE
7         3           b      2      FALSE