1

Teniendo el data frame input.df:

ID LP1 LP2 LP3 LP4
1 X1 X2 NA NA
2 X1 X2 X3 NA
3 X1 X1 NA NA
4 X1 X2 X2 NA
5 X1 NA NA NA

Me gustaría detectar los valores duplicados en una misma fila ignorando los NAs, es decir solo los casos con ID=3 e ID=4 donde los X1 y X2 están duplicados. He utilizado el siguiente código pero extrae todos los valores porque cuenta los NAs como si fueran duplicados.

xx <- input.df[duplicated(input.df[,c("LP1","LP2","LP3","LP4"]),]

Lo que quiero obtener es lo siguiente:

ID LP1 LP2 LP3 LP4
3 X1 X1 NA NA
4 X1 X2 X2 NA

2 respuestas 2

0

Yo lo haría en un doble proceso.

Primero, transformo los datos a formato largo y ahí por ID busco los que son duplicados. Y Segundo, lo que hago es unirlo con el data frame original, para obtener en el formato que indicas.

dd %>% inner_join(dd %>% gather(key, value, 2:5) %>% group_by(ID) %>% filter(duplicated(value)) %>% filter(!is.na(value)) %>% select(ID))
  ID LP1 LP2  LP3 LP4
   3  x1  x1 <NA>  NA
   4  x1  x2   x2  NA
0

Una forma de hacerlo con R base seria la siguiente:

input.df <- data.frame(
  ID = 1:5,
  LP1 = c("X1", "X1", "X1", "X1", "X1"),
  LP2 = c("X2", "X2", "X1", "X2", NA),
  LP3 = c(NA, "X3", NA, "X2", NA),
  LP4 = c(NA, NA, NA, NA, NA)
)


filtro<-apply(input.df,1,function(x){
    any(duplicated(x[!is.na(x)]))
})

input.df[filtro,]

La función apply se utiliza para aplicar una función a lo largo de las filas del dataframe. En este caso, se aplica una función anónima que toma una fila del dataframe como argumento x.

La función duplicated devuelve un vector lógico que indica si un elemento de x es igual a uno anterior en la misma fila.

La función any devuelve TRUE si al menos uno de los valores del vector es TRUE. Por lo tanto, la función anónima devuelve TRUE si hay al menos una celda en la fila que contiene un valor duplicado y no es un valor NA.

Con el filtro x[!is.na(x)] eliminamos los NA antes de usar duplicated.

La variable filtro es un vector lógico que indica qué filas del dataframe tienen valores duplicados en las columnas, excepto en las celdas con valores NA.

Finalmente, se utiliza la variable filtro para subconjuntar el dataframe input.df, de tal manera que se eliminan las filas que cumplen la condición que mencionas.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.