Удалить строки с повторяющимися значениями в разных столбцах

Question

У меня есть два столбца в кадре данных, и я смог удалить все повторяющиеся строки с помощью unique() - Работает с удовольствием.

Но теперь я хочу, чтобы удалить строки были значения одинаковы, независимо от того, какой столбец они находятся. Как ...

data1 data2 
data3 data2 
data2 data1 
data2 data3 

Должно быть упрощена

data1 data2 
data3 data2 

поскольку строки 3 и 4 являются такими же, как 1 и 2.

Любые идеи?

Answer 1

Сначала сортировать каждую строку по столбцам (с использованием apply и sort), а затем использовать unique:

dat <- read.table(text=" 
data1 data2 
data3 data2 
data2 data1 
data2 data3") 

unique(t(apply(dat, 1, sort))) 
    [,1] [,2] 
[1,] "data1" "data2" 
[2,] "data2" "data3" 

Answer 2

Я бы создал новый столбец с отсортированными столбцами, которые вы вставили вместе, а затем unique(), которые.

# create some dummy data 
adf <- data.frame(colA=c('data1', 'data3', 'data2', 'data2'), 
     colB=c('data2', 'data2', 'data1', 'data3'), stringsAsFactors=FALSE) 

# function to fix up this data... 
# can't see a way of avoiding the loop at the moment, but I'm sure somebody will! 
fixit <- function(adf) { 
    nc <- vector(mode='character', length=nrow(adf)) 
    for (i in 1:nrow(adf)) { 
    nc[i] <- paste(sort(c(adf[i,1], adf[i,2])), collapse='') 
    } 
    adf[!duplicated(nc),] 
} 
fixit(adf) 

Имея цикл будет медленным на большом data.frame, но он может быть ускорен с помощью

library(compiler) 
faster.fixit <- cmpfun(fixit) 
faster.fixit(adf) 

Я знаю, что это немного не по теме, но интересно, когда я бенчмарк это петельные функция, байты-скомпилированные версии составляет лишь около 5% быстрее

# create a bigger test data.frame 
N <- 10 
adf.bigger <- data.frame(colA=rep(adf$colA, N), colB=rep(adf$colB, N), 
       stringsAsFactors=FALSE) 

N <- 1000 
adf.biggest <- data.frame(colA=rep(adf$colA, N), colB=rep(adf$colB, N), 
       stringsAsFactors=FALSE) 

library(microbenchmark) 
microbenchmark(fixit(adf), faster.fixit(adf), times=1000L) 
microbenchmark(fixit(adf.bigger), faster.fixit(adf.bigger), times=1000L) 
microbenchmark(fixit(adf.biggest), faster.fixit(adf.biggest), times=100L)