Дубликаты с использованием предыдущих данных

Question

Привет, мне нужно найти дубликаты, я прикрепил изображение набора данных и пример дубликата. Тот же идентификатор и тот же результат с предыдущими датами.

Любая помощь будет очень признательна.

Набор данных Screengrab

structure(list(id = c(1010001, 1010001, 1010001, 1010001, 1010001, 
1010001, 1010001, 1010001, 1010001, 1010001, 1010001, 1010001, 
1010001, 1010001, 1010001, 1010001, 1010001, 1010001, 1010001, 
1010001, 1010001, 1010001, 1010001, 1010001, 1010001, 1010001, 
1010001, 1010001, 1010001), DateCollected = structure(c(1145664000, 
1145750400, 1145836800, 1145923200, 1146009600, 1146096000, 1146096000, 
1146096000, 1146096000, 1146096000, 1146096000, 1146182400, 1146268800, 
1146355200, 1146441600, 1146528000, 1146614400, 1146700800, 1146787200, 
1146787200, 1146787200, 1146787200, 1146787200, 1146787200, 1146873600, 
1146960000, 1147046400, 1147132800, 1147219200), class = c("POSIXct", 
"POSIXt"), tzone = "UTC"), Test = c("Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)", 
"Tacrolimus (FK506)", "Tacrolimus (FK506)", "Tacrolimus (FK506)"
), Result = c(3, 4.1, 5.9, 8.1, 4.6, 7, 7.8, 11.2, 18.1, 18.4, 
27, 4, 7.8, 8.4, 8.4, 6.1, 6.8, 5.4, 5.4, 6.5, 6.7, 8.1, 14.2, 
32.4, 7.2, 8.6, 8.9, 7.2, 9.6), Units = c("ug/L", "ug/L", "ug/L", 
"ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", 
"ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", 
"ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", "ug/L", 
"ug/L", "ug/L")), row.names = c(NA, -29L), class = c("tbl_df", 
"tbl", "data.frame"))

Answer 1

Мы можем написать функцию для вычисления разницы между значением Result и возвращаемыми индексами строк при обнаружении дубликата.

find_duplicates <- function(x) {
  inds <- which(diff(x) == 0)
  sort(unique(c(inds, inds + 1)))
}

Мы можем применить эту функцию по группам.

Чтобы получить повторяющиеся строки, мы можем сделать:

library(dplyr)
df %>% group_by(id) %>% slice(find_duplicates(Result))

#      id DateCollected       Test               Result Units
#    <dbl> <dttm>              <chr>               <dbl> <chr>
#1 1010001 2006-04-30 00:00:00 Tacrolimus (FK506)    8.4 ug/L 
#2 1010001 2006-05-01 00:00:00 Tacrolimus (FK506)    8.4 ug/L 
#3 1010001 2006-05-04 00:00:00 Tacrolimus (FK506)    5.4 ug/L 
#4 1010001 2006-05-05 00:00:00 Tacrolimus (FK506)    5.4 ug/L 

Чтобы получить дополнительный столбец флага, мы можем использовать:

df %>% 
  group_by(id) %>% 
  mutate(is_duplicate = row_number() %in% find_duplicates(Result))

Answer 2

Мы можем сгруппировать по 'id' и создать флаг, проверив lag или lead смежного 'Result'

library(dplyr)
df1 %>%
   group_by(id) %>%
   mutate(flag= Result == lag(Result)|Result == lead(Result)) %>%
   filter(flag)
# A tibble: 4 x 6
# Groups:   id [1]
#      id DateCollected       Test               Result Units flag 
#    <dbl> <dttm>              <chr>               <dbl> <chr> <lgl>
#1 1010001 2006-04-30 00:00:00 Tacrolimus (FK506)    8.4 ug/L  TRUE 
#2 1010001 2006-05-01 00:00:00 Tacrolimus (FK506)    8.4 ug/L  TRUE 
#3 1010001 2006-05-04 00:00:00 Tacrolimus (FK506)    5.4 ug/L  TRUE 
#4 1010001 2006-05-05 00:00:00 Tacrolimus (FK506)    5.4 ug/L  TRUE