A diferencia de las preguntas que he encontrado, quiero obtener el único de dos columnas sin orden.
Tengo un df:
df 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 las columnas 1 y 2 únicas, pero encontraría cada fila única bajo este enfoque.
Hay muchas formas 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.
Si solo son dos columnas, también puedes usar pmin
y pmax
, así:
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: ab # 2: bd # 3: ce
Un enfoque similar usando “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 ab ab # 2 bd bd # 3 ce ce
Podría usar igraph
para crear un gráfico no dirigido y luego convertir de nuevo a un data.frame
unique(get.data.frame(graph.data.frame(df, directed=FALSE),"edges"))
Si todos los elementos son cadenas (diablos, incluso si no y puedes forzarlos), entonces un truco es crearlo como un dataframe y usar algunos de los trucos de dplyr
sobre 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 ab ab ## 2 bd bd ## 3 ce ce ## 4 ba ab
La columna $key
ahora debería indicar las repeticiones.
df %>% group_by(key) %>% do(head(., n = 1)) ## Source: local data frame [3 x 3] ## Groups: key ## v1 v2 key ## 1 ab ab ## 2 bd bd ## 3 ce ce