Filas únicas, considerando dos columnas, en R, sin orden

unique plyr

Question

A diferencia de las preguntas que he encontrado, quiero obtener el único de dos columnas sin orden.

Tengo un 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" 

En este caso, la fila 1 y la fila 4 son "duplicados" en el sentido de que ba es lo mismo que ba.

Sé cómo encontrar únicos en las columnas 1 y 2, pero encontraría cada fila única bajo este enfoque.

Answer 1

Hay muchas maneras de hacer esto, aquí hay una:

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

Uno da las filas únicas, el otro da la máscara.

Answer 2

Puede usar igraph para crear un gráfico no dirigido y luego volver a convertirlo en un marco de datos.

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

Answer 3

Si solo son dos columnas, también puede usar pmin y pmax , de esta manera:

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

Un enfoque similar con "dplyr" podría ser:

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

Answer 4

Si todos los elementos son cadenas (diablos, incluso si no es así y puede forzarlos), entonces un truco es crearlo como un marco de datos y usar algunos de los trucos de dplyr en él.

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

La columna $key ahora debería decirle las repeticiones.

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