如何在R中查找同一时间段内的重复记录

我试图在R中的行为数据的数据框中查找重复记录。我需要查找基于多个列具有相同值且在同一小时内记录的行

    N  Date         Time        Observer   FocalID 
    1  20180520     07:05:00    VR         JK
    2  20180520     07:50:00    VR         JK
    3  20180521     07:50:00    JD         CJD
    4  20180521     08:25:00    JD         CJD

例如：下面的第1-2行和第3-4行在Date、Observer和FocalID列中具有相同的值，并且在同一小时内记录

    N  Date         Time        Observer   FocalID 
    1  20180520     07:05:00    VR         JK
    2  20180520     07:50:00    VR         JK
    3  20180521     07:50:00    JD         CJD
    4  20180521     08:25:00    JD         CJD

我已经尝试了以下代码，但它不起作用。一个原因是find_duplicates（hablar包）不接受间隔，而只接受数据帧列

Time <- as.POSIXct (df$Time, format="%H:%M:%S")
span60 <- (Time - minutes(60)) %--% (Time + minutes(60))
df %>% find_duplicates (Date, Observer, FocalID, Time %within% span60)

---

Time不确定您的预期输出是什么。这里有一种方法可以为每个“副本”提供唯一的
ID

库（dplyr）
df%>%
tidyr:：unite（日期时间，日期，时间，九月=”）%>%
突变（DateTime=lubridate:：ymd_hms（DateTime））%>%
小组成员（观察员，焦点）%>%
变异（grp=地板（difftime（日期时间，第一个（日期时间），单位为“小时”））%>%
分组依据（grp，.add=TRUE）%>%
变异（ID=cur_group_ID（））%>%
解组（）%>%
选择（-grp）
#一个tibble:4x5
#N日期时间观察者焦点ID
#                        
#2018-05-20 07:05:00 VR JK 2
#2 2018-05-20 07:50:00 VR JK 2
#3 2018-05-21 07:50:00 JD CJD 1
#4 2018-05-21 08:25:00 JD CJD 1

具有相似ID的所有行都可以视为一个组的一部分

数据

df <- structure(list(N = 1:4, Date = c(20180520L, 20180520L, 20180521L, 
20180521L), Time = c("07:05:00", "07:50:00", "07:50:00", "08:25:00"
), Observer = c("VR", "VR", "JD", "JD"), FocalID = c("JK", "JK", 
"CJD", "CJD")), class = "data.frame", row.names = c(NA, -4L))

df我理解您的问题是试图在
Observer
和
FocalID
中找到任何具有重复值的行，而它们之间的距离不超过60分钟。

以下解决方案跨日期边界工作：

library(dplyr)
library(purrr)
library(lubridate)

df2 <- df %>%
  group_by(Observer, FocalID) %>%
  mutate(
    dt = as_datetime(paste(Date, Time), tz = "UTC"),
    dt_frame = interval(dt - minutes(60), dt + minutes(60), "UTC"),
    which_duplicates = map(dt_frame, ~N[which(dt %within% .x)], N = N, dt = dt),
    has_duplicates = map_lgl(which_duplicates, ~length(.x) > 1)
  )

库（dplyr）
图书馆（purrr）
图书馆（lubridate）
df2%
小组成员（观察员，焦点）%>%
变异(
dt=as_datetime（粘贴（日期、时间），tz=“UTC”），
dt_帧=间隔（dt-分钟（60），dt+分钟（60），“UTC”），
which_duplicates=map（dt_帧，~N[其中（dt%在%.x内）]，N=N，dt=dt），
has_duplicates=map_lgl（哪个_duplicates，~length（.x）>1）
)

如果你不想在午夜将观察结果分组，并将几天分开，只需将
Date
添加到
groupby
语句中。
这有点老套，因为它完全依赖于第一个观察到的时间戳，我认为它只适用于作为示例发布的有限行。而且，你很难突破约会的界限，这是一个很难的假设。。我认为对于每一行，在±60分钟的窗口内的任何其他行都可能是重复的候选行…谢谢！我试过这个，效果很好！看起来它可以在整个数据帧上工作，而不仅仅是以发布的行为例。谢谢！我试过这个，但它说找不到“map”函数。正如你所说，我已经加载了dplyr和lubridate。哦，对不起，我忘了map需要
purr
库。我会把它加在上面。谢谢你的提醒