R 如何通过第二个分组变量检查一列中的值是否完全相同？

我用r来分析一些长格式的数据。我有一列是包含参与者ID的分组变量，另一列是包含参与者性别的变量

e、 g

我想检查是否有性别编码不一致的ID，例如上面的ID=2。有办法做到这一点吗？我一直在玩弄dplyr和group_的功能，但我不知所措。任何帮助都将不胜感激

就输出而言，我可能需要一个包含所有唯一ID值的向量，这些ID值在SEX列中具有不相同的值

你可以试试这个

require(plyr)

df <- data.frame(c(1,1,2,2,2), c('M','M','F','F','M'))
names(df) <- c('ID','SEX')

df2 <- ddply(df,.(ID), mutate, count = length(unique(SEX)))
unique(df2[df2$count > 1,][1])

---

下面是一个使用

ave（）的基本解决方案-

我想我想要一个包含所有唯一ID值的向量，这些ID值在SEX列中具有不相同的值。这有意义吗？那么你的意思是你想识别那些没有编码的ID（M-1和F-2）。像最后一行一样？不，我想识别ID的值，比如ID==2（第3行到第5行），其中性别的值不一致（例如，它们不是全部=M，也不是全部=F）。这会给你唯一的ID:
df%>%groupby（ID）%%>%filter（n_distinct（SEX）>1）%%>%distinct（ID）
。我相信还有很多其他方法可以做到这一点。
require(plyr)

df <- data.frame(c(1,1,2,2,2), c('M','M','F','F','M'))
names(df) <- c('ID','SEX')

df2 <- ddply(df,.(ID), mutate, count = length(unique(SEX)))
unique(df2[df2$count > 1,][1])

ID
2

df[ave(df$SEX, df$ID, FUN = function(x) length(unique(x))) > 1, ]

  ID SEX
3  2   F
4  2   F
5  2   M