seleccionar - identificar duplicados en r

Extraiga las filas que tienen duplicados para cierta columna, pero son únicos en otra columna

Question

Estoy haciendo algo de codificación en R. Me gustaría mostrar las filas que tienen duplicados para las columnas ID y NAME, pero tienen diferentes valores para AGE.

Por ejemplo, tengo esta tabla:

ID |    NAME | AGE
111|     Mark| 22
222|     Anne| 21
333|    Chery| 30
444|    Megan| 16
555|  Charles| 37
111|     Mark| 23
222|     Anne| 22
333|    Chery| 30
111|     Mark| 22

A partir de ahora tengo este código:

readfile <- read.csv(file=''/home/user/shane/names.csv'')
dat <- data.frame(ID=c(readfile$ID),NAME=c(readfile$NAME),AGE=c(readfile$AGE))
nam <- duplicated(dat[,c(''ID'',''NAME)]) | duplicated(dat[,c(''ID'',''NAME], fromLast = TRUE)
readfile[nam,]

La salida se ve así:

ID |    NAME | AGE
111|     Mark| 22
222|     Anne| 21
333|    Chery| 30
111|     Mark| 23
222|     Anne| 22
333|    Chery| 30
111|     Mark| 22

Me gustaría que la salida sea:

ID |    NAME | AGE
111|     Mark| 22
222|     Anne| 21
111|     Mark| 23
222|     Anne| 22
111|     Mark| 22

Me gustaría eliminar las columnas con ID = 333 ya que tienen el mismo valor en Age. ¿alguien tiene una sugerencia?

Answer 1

Acabo de ajustar tu código :)

dat <- data.frame(ID=c(111,222,333,444,555,111,222,333,111), NAME=c(''Mark'',''Anne'',''Chery'',''Megan'',''Charles'',''Mark'',''Anne''‌​,''Chery'',''Mark''), AGE=c(22,21,30,16,37,23,22,30,22)) 
library(plyr) 
dat1 <- ddply(dat,.(ID,NAME, AGE),nrow) 
dat2 <- merge(dat1,dat,by=c("ID","NAME","AGE")) 
dat3 <- dat2[!(!duplicated(dat2[,1:2], fromLast=T) & !duplicated(dat2[,1:2])),] 
dat3[dat3$ID %in% dat3[dat3$V1==1,1],1:3]

¡Espero que esto ayude!

(editó esta solución después de que @ shia1717 mencionó su requisito específico - consulte la sección de comentarios para más detalles)

Answer 2

Aquí hay una opción con data.table

library(data.table)
setDT(dat)[, .SD[.N >1 & !sum(duplicated(AGE))], by = .(ID, NAME)]
#    ID NAME AGE
#1: 111 Mark  22
#2: 111 Mark  23
#3: 222 Anne  21
#4: 222 Anne  22

Answer 3

Una solución dplyr :

library(dplyr)
dat %>%
    group_by(ID, NAME) %>%
    filter(n() > 1, sum(duplicated(AGE)) == 0) %>%
    ungroup()
# A tibble: 4 x 3
     ID   NAME   AGE
  <dbl> <fctr> <dbl>
1   111   Mark    22
2   222   Anne    21
3   111   Mark    23
4   222   Anne    22

Usé los datos amablemente provistos por @Prem.