问题描述
我正在使用Rstudio识别数据框中的重复帐户。
我想找到一种方法来识别某些列中的所有重复项,但是我遇到了NA问题。
在下面的代码行中,如果前两行的性别相同,但我希望这两行具有相同的首字母,最后一位,性别和性别,则我将其视为匹配项,因为我创建了is_duplicate标志,因此这两行不是重复的基于串联的匹配列。
有什么想法要对此进行调整吗?
Id-第一-最后-dob-性别-比赛-Is_duplicates
123-阿里-史密斯-1993-女- AliSmith1993女-0
435-阿里-史密斯-1993-不适用- AliSmith1993NA -0
解决方法