唯一行,考虑两列,在 R 中,没有顺序

Unique rows, considering two columns, in R, without order

与我发现的问题不同,我想在没有顺序的情况下获得两列的唯一性。

我有一个 df:

df<-cbind(c("a","b","c","b"),c("b","d","e","a"))
> df
     [,1] [,2]
 [1,] "a"  "b" 
 [2,] "b"  "d" 
 [3,] "c"  "e" 
 [4,] "b"  "a" 

在这种情况下,第 1 行和第 4 行是 "duplicates",因为 b-a 与 b-a 相同。

我知道如何找到第 1 列和第 2 列的唯一性,但我会发现在这种方法下每一行都是唯一的。

有很多方法可以做到这一点,这里是一个:

unique(t(apply(df, 1, sort)))
duplicated(t(apply(df, 1, sort)))

一个给出唯一行,另一个给出掩码。

如果所有元素都是字符串(哎呀,即使不是,你也可以强制转换它们),那么一个技巧是将其创建为 data.frame 并使用 dplyr 中的一些技巧就可以了。

library(dplyr)
df <- data.frame(v1 = c("a","b","c","b"), v2 = c("b","d","e","a"))
df$key <- apply(df, 1, function(s) paste0(sort(s), collapse=''))
head(df)
##   v1 v2 key
## 1  a  b  ab
## 2  b  d  bd
## 3  c  e  ce
## 4  b  a  ab

$key 列现在应该会告诉您重复次数。

df %>% group_by(key) %>% do(head(., n = 1))
## Source: local data frame [3 x 3]
## Groups: key
##   v1 v2 key
## 1  a  b  ab
## 2  b  d  bd
## 3  c  e  ce

如果只是两列,也可以用pminpmax,像这样:

library(data.table)
unique(as.data.table(df)[, c("V1", "V2") := list(pmin(V1, V2),
                         pmax(V1, V2))], by = c("V1", "V2"))
#    V1 V2
# 1:  a  b
# 2:  b  d
# 3:  c  e

使用 "dplyr" 的类似方法可能是:

library(dplyr)
data.frame(df, stringsAsFactors = FALSE) %>% 
  mutate(key = paste0(pmin(X1, X2), pmax(X1, X2), sep = "")) %>% 
  distinct(key)
#   X1 X2 key
# 1  a  b  ab
# 2  b  d  bd
# 3  c  e  ce

您可以使用 igraph 创建无向图,然后转换回 data.frame

unique(get.data.frame(graph.data.frame(df, directed=FALSE),"edges"))