成对重复从数据框中删除
这似乎是一个简单的问题，但我似乎无法弄清楚。 我想从数据框（DF）删除重复如果两列具有相同的值，即使这些值是相反的顺序 。 我的意思是说，你有以下的数据框架：
a <- c(rep("A", 3), rep("B", 3), rep("C",2)) b <- c('A','B','B','C','A','A','B','B') df <-data.frame(a,b) ab 1 AA 2 AB 3 AB 4 BC 5 BA 6 BA 7 CB 8 CB 如果我现在删除重复，我得到以下数据框架：
df[duplicated(df),] ab 3 AB 6 BA 8 CB
但是，由于“A”，“B”与“B”，“A”相同，我也想删除该数据框中的第6行。 我怎样才能自动做到这一点？
理想情况下，我可以指定哪两列进行比较，因为dataframe可能有不同的列，可能会相当大。
谢谢！
一种解决方法是首先对df每一行进行sorting：
for (i in 1:nrow(df)) { df[i, ] = sort(df[i, ]) } df ab 1 AA 2 AB 3 AB 4 BC 5 AB 6 AB 7 BC 8 BC
在这一点上，这只是一个删除重复元素的问题：
df = df[!duplicated(df),] df ab 1 AA 2 AB 4 BC
正如在评论中提到的.latemail，你的代码实际上保持重复。 你需要使用!duplicated删除它们。
扩展Ari的答案，指定列以检查是否还有其他列：
a <- c(rep("A", 3), rep("B", 3), rep("C",2)) b <- c('A','B','B','C','A','A','B','B') df <-data.frame(a,b) df$c = sample(1:10,8) df$d = sample(LETTERS,8) df abcd 1 AA 10 B 2 AB 8 S 3 AB 7 J 4 BC 3 Q 5 BA 2 I 6 BA 6 U 7 CB 4 L 8 CB 5 V cols = c(1,2) newdf = df[,cols] for (i in 1:nrow(df)) { newdf[i, ] = sort(df[i,cols]) } df[!duplicated(newdf),] abcd 1 AA 8 X 2 AB 7 L 4 BC 2 P
其他答案使用for循环为每一行分配一个值。 虽然这不是一个问题，如果你有100行，甚至一千，你会等待一段时间，如果你有大量的1M行的数据。
使用data.table从其他链接的答案 data.table ，你可以尝试像这样：
df[!duplicated(data.frame(list(do.call(pmin,df),do.call(pmax,df)))),]
与较大数据集（ df2 ）的比较基准：
df2 <- df[sample(1:nrow(df),50000,replace=TRUE),] system.time( df2[!duplicated(data.frame(list(do.call(pmin,df2),do.call(pmax,df2)))),] ) # user system elapsed # 0.07 0.00 0.06 system.time({ for (i in 1:nrow(df2)) { df2[i, ] = sort(df2[i, ]) } df2[!duplicated(df2),] } ) # user system elapsed # 42.07 0.02 42.09
使用apply将是比循环更好的select。
newDf <- data.frame(t(apply(df,1,sort)))
你现在需要做的是删除重复。
newDf <- newDf[!duplicated(newDf),]
