R如何计算具有不同列的两个字符变量的唯一索引？ [复制]

Question

我不确定我是否正确地表达了我的问题，所以让我举一个简化的例子：

给定一个数据集如下：

dat <- data_frame(X = c("A", "B", "B", "C", "A"), 
                  Y = c("B", "A", "C", "A", "C"))

如何计算pair 变量，以便它表示给定行中X 和Y 中的任何内容但不会产生重复项，如下所示：

dat$pair <- c("A-B", "A-B", "B-C", "C-A", "C-A")
dat
# A tibble: 5 × 3
  X     Y     pair 
  <chr> <chr> <chr>
1 A     B     A-B  
2 B     A     A-B  
3 B     C     B-C  
4 C     A     C-A  
5 A     C     C-A  

我可以计算与 paste0 的配对，但它会引入我想避免的重复项（C-A 与 A-C 相同）：

> dat <- mutate(dat, pair = paste0(X, "-", Y))
> dat
# A tibble: 5 × 3
  X     Y     pair 
  <chr> <chr> <chr>
1 A     B     A-B  
2 B     A     B-A  
3 B     C     B-C  
4 C     A     C-A  
5 A     C     A-C  

Answer 1

我们可以使用pmin 和pmax 对值进行并行排序，并使用paste 它们。

transform(dat, pair = paste(pmin(X, Y), pmax(X, Y), sep = '-'))

#  X Y pair
#1 A B  A-B
#2 B A  A-B
#3 B C  B-C
#4 C A  A-C
#5 A C  A-C

如果你更喜欢dplyr，这可以写成-

library(dplyr)

dat %>% mutate(pair = paste(pmin(X, Y), pmax(X, Y), sep = '-'))

Answer 2

我对每一列重新排序一次

dat <- data.frame(X = c("A", "B", "B", "C", "A"), 
                  Y = c("B", "A", "C", "A", "C"))

library(dplyr)


dat %>%
rowwise %>%
mutate(pair = paste0(sort(c(as.character(X),as.character(Y)),decreasing = F),collapse = '-')) %>%
ungroup

输出；

X     Y     pair 
  <fct> <fct> <chr>
1 A     B     A-B  
2 B     A     A-B  
3 B     C     B-C  
4 C     A     A-C  
5 A     C     A-C  

Answer 3

使用dplyr 和tidyr 你可以试试：

library(dplyr)
library(tidyr)

dat %>% 
  rowwise() %>% 
  mutate(pair = list(c(X, Y)),
         pair = list(sort(pair)),
         pair = list(paste(pair, collapse = "-"))) %>% 
  select(pair) %>% 
  distinct() %>% 
  unnest(pair)
#> # A tibble: 3 x 1
#>   pair 
#>   <chr>
#> 1 A-B  
#> 2 B-C  
#> 3 A-C

^{由reprex package (v2.0.0) 于 2021 年 8 月 27 日创建}

数据

dat <- data.frame(X = c("A", "B", "B", "C", "A"), 
                  Y = c("B", "A", "C", "A", "C"))