R中的唯一对，忽略顺序

假设我有这样一个数据帧：

dat<-data.frame(c("a", "b", "c"), c("b", "a", "d"), stringsAsFactors=F)
colnames(dat)<-c("V1", "V2")
dat
#    V1  V2
# 1   a   b
# 2   b   a
# 3   c   d

执行此操作的最有效方法是什么？

您可以使用

apply（）

对每行进行排序，强制返回到

data.frame

（因为

apply（）

将返回一个矩阵），然后通过

unique（）

运行它：

一个选项（由@bgoldst回答）是使用

apply

分别对每一行进行排序。但是，对于在列上操作的大数据帧，我们可以使用对

pmin

和

pmax

的单个调用来获得更好的性能，而不是在行上使用对

sort

的多次调用：

# Make a larger data frame by sampling
set.seed(144)
dat.large <- dat[sample(nrow(dat), 10000, replace=T),]

# Row-wise and column-wise computations
rowwise <- function(dat) unique(t(apply(dat, 1, sort)))
colwise <- function(dat) unique(cbind(pmin(dat[,1], dat[,2]), pmax(dat[,1], dat[,2])))
all.equal(unname(rowwise(dat.large)), unname(colwise(dat.large)))
# [1] TRUE

# Compare performance
library(microbenchmark)
microbenchmark(rowwise(dat.large), colwise(dat.large))
# Unit: milliseconds
#                expr       min        lq      mean    median        uq      max neval
#  rowwise(dat.large) 465.45604 523.49464 564.91541 559.14461 595.58961 805.7982   100
#  colwise(dat.large)  33.69199  42.91692  50.87839  47.70415  53.06705 122.4459   100

#通过采样生成更大的数据帧
种子集（144）
dat.large
data.frame（c（'b'，'a'，'c'），c（'a'，'d'，'c'））
的输出将与输入相同，因为没有重复匹配的pairsAh，现在我得到了它。谢谢。它能为康拉德的例子提供正确的答案吗，即
数据帧（c（'b'，'a'，'c'），c（'a'，'d'，'c'））
？@MaratTalipov是的，我刚刚检查过，它产生了正确的答案
dat <- data.frame(c('a','b','c'), c('b','a','d'), stringsAsFactors=F );
colnames(dat) <- c('V1','V2');
x <- unique(as.data.frame(t(apply(dat, 1, sort ))));
rownames(x) <- 1:nrow(x);
x;

  V1 V2
1  a  b
2  c  d

# Make a larger data frame by sampling
set.seed(144)
dat.large <- dat[sample(nrow(dat), 10000, replace=T),]

# Row-wise and column-wise computations
rowwise <- function(dat) unique(t(apply(dat, 1, sort)))
colwise <- function(dat) unique(cbind(pmin(dat[,1], dat[,2]), pmax(dat[,1], dat[,2])))
all.equal(unname(rowwise(dat.large)), unname(colwise(dat.large)))
# [1] TRUE

# Compare performance
library(microbenchmark)
microbenchmark(rowwise(dat.large), colwise(dat.large))
# Unit: milliseconds
#                expr       min        lq      mean    median        uq      max neval
#  rowwise(dat.large) 465.45604 523.49464 564.91541 559.14461 595.58961 805.7982   100
#  colwise(dat.large)  33.69199  42.91692  50.87839  47.70415  53.06705 122.4459   100