R 列中值的重复组合

类似于，我有一个数据框，希望提取在几个特定列中的值组合中不唯一的行

例如，我有一个数据帧df：

> df<-data.frame(c(1,2,3,4),c(T,F,T,T),c("a","b","c","b"),c("b","d","e","a"))
> df
     [,1] [,2]    [,3] [,4]
[1,] "1"  "TRUE"  "a"  "b" 
[2,] "2"  "FALSE" "b"  "d" 
[3,] "3"  "TRUE"  "c"  "e" 
[4,] "4"  "TRUE"  "b"  "a" 

>测向
[,1] [,2]    [,3] [,4]
[1，]1“真”a“b”
[2，]2“假”b“d”
[3，]3“真”c“e”
[4，]4“真”“b”“a”

我想测试列2、3和4中的值组合对于数据帧的行是唯一的还是重复的。但是，我不想将第一次出现的组合归类为唯一组合，将所有后续组合归类为重复组合，而是将所有出现的非唯一组合归类为重复组合

在本例中，第1行和第4行是重复的，第2行和第3行在第2、3和4列中的值组合是唯一的

---

任何帮助都将不胜感激。

我们使用

apply

和

MARGIN=1

按行对“df”中的3:4列进行排序，将其转置（

t

），并将输出分配给相应的列。为了获得所有重复项的逻辑索引，我们可以使用

fromLast=TRUE

在默认方向和反向应用

duplicated

。这里，我假设第一列不用于考虑重复元素

df[3:4] <- t(apply(df[3:4], 1, sort))
duplicated(df[-1])|duplicated(df[-1], fromLast=TRUE)
#[1]  TRUE FALSE FALSE  TRUE

---

df[3:4]使用dplyr的替代方法。它使用所有行的组合，并检查一行的所有元素是否属于另一行。最后，您得到的不是True/False，而是每一行的一个数字，表示它与其他行匹配的次数。如果您一步一步地运行脚本，这将更加明显

df<-data.frame(x1 =c(1,2,3,4),
               x2 = c(T,F,T,T),
               x3 = c("a","b","c","b"),
               x4 = c("b","d","e","a"), stringsAsFactors = F)

library(dplyr)


df %>%                                                                                
  rowwise() %>%                                                                     # for each row
  do(data.frame(., df2=df, stringsAsFactors=F)) %>%                                 # combine each row with all rows of dataset
  filter(x1 != df2.x1) %>%                                                          # exclude cases of self combinations
  rowwise() %>%                                                                     # for each row combination
  mutate(match = 
           ifelse(sum(c(x2,x3,x4) %in% c(df2.x2, df2.x3, df2.x4))==3, 1, 0)) %>%    # flag a match when all 3 elements of one row belong to the elements of the other row 
  group_by(x1,x2,x3,x4) %>%                                                         # group by rows of initial dataset
  summarise(sum_match = sum(match)) %>%                                             # calculate how many times they match with other rows
  ungroup


#   x1    x2 x3 x4 sum_match
# 1  1  TRUE  a  b         1
# 2  2 FALSE  b  d         0
# 3  3  TRUE  c  e         0
# 4  4  TRUE  b  a         1

df%
行方式（）%>%#每行
do（data.frame（，df2=df，stringsAsFactors=F））%>%#将每一行与数据集的所有行合并
过滤器（x1！=df2.x1）%>%#排除自组合的情况
行方式（）%>%#用于每个行组合
变异（匹配=
ifelse（求和（c（x2，x3，x4）%in%c（df2.x2，df2.x3，df2.x4））==3，1，0））%>%#当一行的所有3个元素都属于另一行的元素时，标记匹配
分组依据（x1，x2，x3，x4）%>%#分组依据初始数据集的行
汇总（sum_match=sum（match））%>%#计算它们与其他行匹配的次数
解组
#x1x2x3x4和匹配
#1真正的a b 1
#2 2假b d 0
#3真正的CE0
#4真正的b a 1
您的data.frame是一个矩阵。使用
data.frame
而不是
cbind
来创建data.frame。谢谢，它可以工作，尽管我不得不放弃重新指定第3列和第4列以保持数据框的当前形式。@在这种情况下，您可以创建一个新的数据框，然后执行重复的
dfN