删除重复的列对，根据 2 列对行进行排序 [重复]答案

【问题标题】：Remove duplicate column pairs, sort rows based on 2 columns [duplicate]删除重复的列对，根据 2 列对行进行排序 [重复]
【发布时间】：2023-03-07 03:32:02
【问题描述】：

在以下数据框中，如果行具有重复的 Var1 和 Var2 对（1 4 和 4 1 被视为同一对），我只想保留一次。我想在行内对Var1 和Var2 进行排序，然后根据Var1 和Var2 删除重复的行。但是，我没有达到我想要的结果。

这是我的数据的样子：

Var1 <- c(1,2,3,4,5,5)
Var2 <- c(4,3,2,1,5,5)
f <- c("blue","green","yellow","red","orange2","grey")
g <- c("blue","green","yellow","red","orange1","grey")
testdata <- data.frame(Var1,Var2,f,g)

我可以在行内排序，但是 f 和 g 列的值应该保持不变，我该怎么做？

testdata <- t(apply(testdata, 1, function(x) x[order(x)]))
testdata <- as.data.table(testdata)

然后，我想删除基于Var1 和Var2 的重复行

我想得到这个结果：

Var1 Var2 f       g
1    4    blue    blue
2    3    green   green
5    5    orange2 orange1

感谢您的帮助！

【问题讨论】：

标签： r

【解决方案1】：

如果人们有兴趣使用 dplyr 解决这个问题：

library(dplyr)
testdata %>% 
   rowwise() %>%
   mutate(key = paste(sort(c(Var1, Var2)), collapse="")) %>%
   distinct(key, .keep_all=T) %>%
   select(-key)

# Source: local data frame [3 x 4]
# Groups: <by row>
# 
# # A tibble: 3 × 4
#    Var1  Var2       f       g
#   <dbl> <dbl>  <fctr>  <fctr>
# 1     1     4    blue    blue
# 2     2     3   green   green
# 3     5     5 orange2 orange1

【讨论】：

这是如何工作的？这真的很酷。我认为 paste 通过按顺序粘贴两列来工作，但我的列对的每个重复对都有一个相同的键。

【解决方案2】：

如果数据很大，如Sort large amout of data and save repeated pairs of values in R，在每一行上使用apply() 会很昂贵。相反，创建一组唯一值

uid = unique(unlist(testdata[c("Var1", "Var2")], use.names=FALSE))

确定是否需要交换

swap = match(testdata[["Var1"]], uid) > match(testdata[["Var2"]], uid)

更新

tmp = testdata[swap, "Var1"]
testdata[swap, "Var1"] = testdata[swap, "Var2"]
testdata[swap, "Var2"] = tmp

像以前一样删除重复项

testdata[!duplicated(testdata[1:2]),]

如果有很多额外的列，并且复制这些列很昂贵，那么一个更独立的解决方案将是

uid = unique(unlist(testdata[c("Var1", "Var2")], use.names=FALSE))
swap = match(testdata[["Var1"]], uid) > match(testdata[["Var2"]], uid)
idx = !duplicated(data.frame(
    V1 = ifelse(swap, testdata[["Var2"]], testdata[["Var1"]]),
    V2 = ifelse(swap, testdata[["Var1"]], testdata[["Var2"]])))
testdata[idx, , drop=FALSE]

【讨论】：

【解决方案3】：

不是对整个数据集进行排序，而是对'Var1'、'Var2'进行排序，然后使用duplicated 删除重复行

testdata[1:2] <- t( apply(testdata[1:2], 1, sort) )
testdata[!duplicated(testdata[1:2]),]
#   Var1 Var2       f       g
#1    1    4    blue    blue
#2    2    3   green   green
#5    5    5 orange2 orange1

【讨论】：