无法找到ID与重复字段

Question

我的数据是这样的：

ID Email 
1 someone@hotmail.com 
2 someone1@hotmail.com 
3 someone2@hotmail.com 
4 someone3@hotmail.com 
5 someone4@hotmail.com 
6 someone5@hotmail.com 

应该有每个ID恰好1电子邮件，但事实并非如此。

> dim(data) 
[1] 5071 2 
> length(unique(data$Person_Onyx_Id)) 
[1] 5071 
> length((data$Email)) 
[1] 5071 
> length(unique(data$Email)) 
[1] 4481 

所以，我需要找到与重复的电子邮件地址的ID。

看起来这应该很容易，但我剔除：

> sqldf("select ID, count(Email) from data group by ID having count(Email) > 1") 
[1] ID count(Email) 
<0 rows> (or 0-length row.names) 

我也试着脱下having条款，并将结果发送到一个对象，并通过count(Email)排序的对象。 ..看来，每ID有count(Email)的1 ...

我会dput的实际数据，但我不能由于电子邮件地址的敏感性。

Answer 1

你也确保你不会有相反的情况，多个ID使用相同的电子邮件？

select Email, count(*) 
from data 
group by Email 
having count(*) > 1; 

Answer 2

我想到你有NULL电子邮件。您可以通过使用count(*)，而不是count(email)找到这个：

select ID, count(*) 
from data 
group by ID 
having count(*) > 1;