在 R 中查找唯一元组但忽略顺序

Question

由于我的数据要复杂得多，我制作了一个较小的样本数据集（我留下了重塑以展示我是如何生成数据的）。

set.seed(7)
x = rep(seq(2010,2014,1), each=4)
y = rep(seq(1,4,1), 5)
z = matrix(replicate(5, sample(c("A", "B", "C", "D"))))
temp_df = cbind.data.frame(x,y,z)
colnames(temp_df) = c("Year", "Rank", "ID")
head(temp_df)
require(reshape2)
dcast(temp_df, Year ~ Rank)

导致...

> dcast(temp_df, Year ~ Rank)
Using ID as value column: use value.var to override.
  Year 1 2 3 4
1 2010 D B A C
2 2011 A C D B
3 2012 A B D C
4 2013 D A C B
5 2014 C A B D

现在我基本上想使用类似 unique 的函数，但忽略顺序来查找前 3 个元素的唯一位置。

因此在这种情况下：

我会在第 5 行有 A、B、C

我会在第 1 行和第 3 行有 A、B、D

我会在第 2 行和第 4 行有 A、C、D

我还需要这些“独特”事件的计数

还有两件事。首先，我的值是字符串，我需要将它们保留为字符串。 其次，如果可能的话，我会在 year 和 1 之间设置一个名为 Weighting 的列，然后在计算这些独特组合时，我会包括每个组合的权重。这并不那么重要，因为所有的权重都是小的正整数值，所以我可能会更早地复制行以考虑权重，然后将唯一的对制成表格。

Answer 1

你可以这样做：

df <- dcast(temp_df, Year ~ Rank)

combos <- apply(df[, 2:4], 1, function(x) paste0(sort(x), collapse = ""))

combos
#     1     2     3     4     5 
# "BCD" "ABC" "ACD" "BCD" "ABC" 

对于数据框的每一行，第 1、2 和 3 列中的值（如帖子中的标记）使用sort 排序，然后使用paste0 连接。由于顺序无关紧要，这可以确保相同的案例被一致地标记。

注意paste0 函数等价于paste(..., sep = "")。 collapse 参数表示将向量的值连接成单个字符串，向量值由传递给collapse 的值分隔。在这种情况下，我们设置collapse = ""，这意味着值之间不会有分隔，导致"ABC"、"ACD"等。

然后你可以使用table获取每个组合的计数：

table(combos)
# ABC ACD BCD 
#   2   1   2 

Answer 2

这与@Alex_A 的解决方案相同，但使用了 tidyverse 函数：

library(purrr)
library(dplyr)
df <- dcast(temp_df, Year ~ Rank)

distinct(df, ID = pmap_chr(select(df, num_range("", 1:3)), 
                           ~paste0(sort(c(...)), collapse="")))