如何识别R中镜像的重复行

在下面的SO帖子中，我询问了如何消除部分重复的行。我的问题是：

我想识别数据帧中行的“部分”匹配。具体地说，如果基于列子集之间的匹配，数据帧中的某个特定行在数据帧的其他位置具有重复行，我希望创建一个值为1的新列。更复杂的是，数据框中的一列是数字，如果绝对值匹配，我希望匹配。

问题是，我需要确保当一行被标识为部分重复时，仅当匹配的一部分列是镜像相反的值，而不仅仅是绝对值上的匹配时，才会如此。为了让事情更清楚，以下是前一篇文章中的样本数据：

name<-c("Richard Nixon", "Bill Clinton", "George Bush", "Richard Nixon")
state<-c("California", "Indiana", "Florida", "California")
num<-c("-258", "123", "42", "258")
date<-c("day 2", "day 15", "day 3","day 45")
(df<-as.data.frame(cbind(name,state,num, date)))
           name      state  num   date
1 Richard Nixon California -258  day 2
2  Bill Clinton    Indiana  123 day 15
3   George Bush    Florida   42  day 3
4 Richard Nixon California  258 day 45 

请注意，第1行和第4行在

newcol

下标记为

TRUE

，这很好。这是新的样本数据，增加了复杂性问题：

name<-c("Richard Nixon", "Bill Clinton", "George Bush", "Richard Nixon", "Bill 
Clinton")
state<-c("California", "Indiana", "Florida", "California", "Indiana")
num<-c("-258", "123", "42", "258", "123")
date<-c("day 2", "day 15", "day 3","day 45", "day 100")
(df<-as.data.frame(cbind(name,state,num, date)))

  name           state      num   date
1 Richard Nixon  California -258  day 2
2 Bill Clinton   Indiana    123   day 15
3 George Bush    Florida    42    day 3
4 Richard Nixon  California 258   day 45
5 Bill Clinton   Indiana    123   day 100

---

前一篇SO帖子提供的解决方案将

TRUE

应用于第2行和第5行，而我只想将其应用于第1行和第4行。

一个选项是首先将“num”转换为

numeric

类型，创建另一列，其中包含

abs

绝对值（'num1'），按“name”、“state”、“num1”分组，

mutate

通过检查行数等于2（

n（）==2

）和'num'的不同

符号数大于1来创建布尔列

library(tidyverse)
df %>%
    mutate(num = as.numeric(num), num1 = abs(num)) %>% 
    group_by(name, state, num1) %>% 
    mutate(newcol = n() == 2 & n_distinct(sign(num)) > 1) %>%
    ungroup %>% 
    select(-num1)
# A tibble: 5 x 5
#  name          state        num date    newcol 
#  <chr>         <chr>      <dbl> <chr>   <lgl>
#1 Richard Nixon California  -258 day 2   TRUE 
#2 Bill Clinton  Indiana      123 day 15  FALSE
#3 George Bush   Florida       42 day 3   FALSE
#4 Richard Nixon California   258 day 45  TRUE 
#5 Bill Clinton  Indiana      123 day 100 FALSE

在base R中，您可以使用与“部分”重复项上的链接问题相同的
duplicated
测试，但随后排除相同的值

df$numnum = as.numeric(as.character(df$num))
df$absnum = abs(df$numnum)
df$newcol = (duplicated(df[,c('name','state', 'absnum')]) | 
  duplicated(df[,c('name','state', 'absnum')], fromLast = T)) &
  !(duplicated(df$numnum) | duplicated(df$numnum, fromLast = T))
#            name      state  num    date numnum absnum newcol
# 1 Richard Nixon California -258   day 2   -258    258   TRUE
# 2  Bill Clinton    Indiana  123  day 15    123    123  FALSE
# 3   George Bush    Florida   42   day 3     42     42  FALSE
# 4 Richard Nixon California  258  day 45    258    258   TRUE
# 5  Bill Clinton    Indiana  123 day 100    123    123  FALSE

您是否总是每个姓名和州最多只有两个条目？在有3+的情况下，您会怎么做？你会比较条目1和2，然后是2和3，然后是1和3吗？@Chase我提出了一个新的SO问题，试图解决你提到的这个问题：对不起，没关系。谢谢你的详细解释。@CyrusMohammadian。我根据您对的评论更改了
n（）==2
@Chase@In回想起来，我需要某种类型的顺序过程来识别沿
num
变量彼此相加反转的匹配行。“为此，我开了一家新公司，我感谢所有的帮助，”CyrusMohammadian说。谢谢你告诉我最新情况。我在链接中发布了一个解决方案。希望能有帮助
library(tidyverse)
df %>%
    mutate(num = as.numeric(num), num1 = abs(num)) %>% 
    group_by(name, state, num1) %>% 
    mutate(newcol = n() == 2 & n_distinct(sign(num)) > 1) %>%
    ungroup %>% 
    select(-num1)
# A tibble: 5 x 5
#  name          state        num date    newcol 
#  <chr>         <chr>      <dbl> <chr>   <lgl>
#1 Richard Nixon California  -258 day 2   TRUE 
#2 Bill Clinton  Indiana      123 day 15  FALSE
#3 George Bush   Florida       42 day 3   FALSE
#4 Richard Nixon California   258 day 45  TRUE 
#5 Bill Clinton  Indiana      123 day 100 FALSE

df <- data.frame(name, state, num, date, stringsAsFactors = FALSE)

df$numnum = as.numeric(as.character(df$num))
df$absnum = abs(df$numnum)
df$newcol = (duplicated(df[,c('name','state', 'absnum')]) | 
  duplicated(df[,c('name','state', 'absnum')], fromLast = T)) &
  !(duplicated(df$numnum) | duplicated(df$numnum, fromLast = T))
#            name      state  num    date numnum absnum newcol
# 1 Richard Nixon California -258   day 2   -258    258   TRUE
# 2  Bill Clinton    Indiana  123  day 15    123    123  FALSE
# 3   George Bush    Florida   42   day 3     42     42  FALSE
# 4 Richard Nixon California  258  day 45    258    258   TRUE
# 5  Bill Clinton    Indiana  123 day 100    123    123  FALSE