Question

这感觉应该很明显，但是我真的没看到！

这是我正在处理的数据类型的一个微型示例：

x1 <- as.character(c("Apple", "Banana", "Cat", "Dog", "Orange"))
x2 <- as.character(c("Banana", "Orange", "Dog", "Cat", "Apple"))
x3 <- as.character(c("Orange", "Apple", NA, NA, "Banana"))         
groups <- data_frame(x1, x2, x3)

数据框有五行，但实际上只有两行是唯一的-当跨行读取时，其中一行包含三个水果，另一行包含两个动物。之所以有五行，是因为对于每种水果或动物，都有一行指示其所属的其他成员。

我要么想删除重复的行（我不关心要删除哪一行，只要每个组只剩下一行），或者在新列中有一个组名，所以仍然有五行，但还有一列类似"Fruit", "Fruit", "Animal", "Animal", "Fruit的列。使用第二个选项，我真的不在乎组名是什么，只要它们标识了不同的类别即可。

我已经研究过使用duplicated（类似groups[!duplicated(groups$x1), ]的方法），但显然不起作用，因为在任何单独的列中都没有重复项-这是关于该行中是否有任何内容。按字母顺序对行排序可能会有些问题，但我不确定这是否可行-我找不到任何内容（也看不到通常如何特别有用……）。

我的真实数据有数百行，因此手动进行识别这些组并不是很吸引人！

Answer 1

我不知道您的样本数据是否正在为我们提供您想要帮助的示例，但这是一个小技巧。正如其他评论中提到的那样，大多数工具会跨行查找唯一的对。如果配对没有关系，您可以执行以下操作：

    library(dplyr)

    x1 <- as.character(c("Apple", "Banana", "Cat", "Dog", "Orange"))
    x2 <- as.character(c("Banana", "Orange", "Dog", "Cat", "Apple"))
    x3 <- as.character(c("Orange", "Apple", NA, NA, "Banana"))         
    groups <- data_frame(x1, x2, x3)

    groups %>% 
       mutate_all(sort, na.last = TRUE) %>% 
       unique()

无论唯一性功能如何，如果它们在数据中出现的顺序确实很重要，它们将跨行查看唯一性配对。不过绝对慢，而且我敢肯定有些东西会更快。就像使用SELECT DISTINCT *的SQL一样。

Answer 2

您可以以合理的方式重新排列数据后使用duplicated。一种明智的方法是使每个水果和动物具有TRUE/FALSE的值：与其将x1的值设为"dog"，不如将dog的值设为{{1} }。例如，可以这样做：

TRUE

数据

g <- na.omit(unique(unlist(groups)))
df <- t(apply(as.matrix(groups), 1, function(x) g %in% x))
# if needed, you could make the `df` human-readable:
df <- setNames(as.data.frame(df), g)
duplicated(df)

删除R中的重复行，即使顺序不同

2 个答案:

数据