使用dplyr和/或tidyr组合/排序列

编辑：我尝试了下面的解决方案，但由于我需要将因子转换为字符并返回到因子，我丢失了一些重要信息

有了这张桌子，我想把它从这里分类

From    To  count
A       B     2
A       C     1
C       A     3
B       C     1

对此,

  From To count
1    A  B     2
2    A  C     4
3    B  C     1

到目前为止，我看到两种选择，一种是：

df[1:2] <- t(apply(df[1:2], 1, sort))    
aggregate(count ~ From + To, df, sum)

这是相当缓慢的，因为我正在处理9.000.000个观察值。或者简单地将其转换为iGraph网络，并合并边

g <- graph_from_data_frame(df, directed = TRUE, vertices = nodes)
g <- as.undirected(g, mode = "mutual", edge.attr.comb=list(weight = "sum"))

我遇到的两个问题是，我提到的第一个选项实际上应该使用dplyr或tidyr，但到目前为止我还不知道如何使用它

network/igraph选项比tapply选项快，但我仍然需要将该图转换回data.table以进行进一步分析

有没有关于如何使用dplyr或tidyr运行tapply选项的想法

我们可以使用pmin/pmax。应该快一点

library(dplyr)
df1 %>% 
    group_by(From1 = pmin(From, To), To = pmax(From, To)) %>% 
    summarise(count = sum(count)) %>%
    rename(From = From1)
#  From    To count
#  <chr> <chr> <int>
#1     A     B     2
#2     A     C     4
#3     B     C     1

我们可以使用pmin/pmax。应该快一点

library(dplyr)
df1 %>% 
    group_by(From1 = pmin(From, To), To = pmax(From, To)) %>% 
    summarise(count = sum(count)) %>%
    rename(From = From1)
#  From    To count
#  <chr> <chr> <int>
#1     A     B     2
#2     A     C     4
#3     B     C     1

---

在base R中，我们可以使用非公式界面将akrun的pmin和pmax建议与聚合结合起来，如下所示：

aggregate(df$count, list(From=pmin(df$From, df$To), To=pmax(df$From, df$To)), sum)
  From To x
1    A  B 2
2    A  C 4
3    B  C 1

注意，这要求df$From和df$To是字符向量，而不是因子

时间安排 此方法比使用apply更快，因为它不涉及到矩阵的转换。使用下面较大的数据集，通过900万次观察，在我的计算机上使用pmin和pmax和aggregate完成的时间为14.5秒，而OP使用apply的方法需要442.2秒或30倍

资料

大样本数据

---

在base R中，我们可以使用非公式界面将akrun的pmin和pmax建议与聚合结合起来，如下所示：

aggregate(df$count, list(From=pmin(df$From, df$To), To=pmax(df$From, df$To)), sum)
  From To x
1    A  B 2
2    A  C 4
3    B  C 1

注意，这要求df$From和df$To是字符向量，而不是因子

时间安排 此方法比使用apply更快，因为它不涉及到矩阵的转换。使用下面较大的数据集，通过900万次观察，在我的计算机上使用pmin和pmax和aggregate完成的时间为14.5秒，而OP使用apply的方法需要442.2秒或30倍

资料

大样本数据

---

不幸的是，我得到了以下错误：错误：向无效对象添加类因子。@FilipeTeixeira我认为From/to列是字符类。因此，您可以对每个字符进行df1%>%的变异，从：到%>%group\U by…非常有效。谢谢。不幸的是，我发现这个方法还有另一个问题。将变量变为字符，再变回因子，意味着我失去了初始级别。我可以创建一个查找表，但这里的想法实际上是有一个更简单、更快的代码。@FilipeTeixeira获得初始级别将很困难，因为我们正在更改值。例如，在您的eexample中，第一列的级别为“A”、“C”、“B”，但在输出中，“C”不存在，类似地，在“ToUnfortute”中，我遇到以下错误：错误：将类因子添加到无效对象。@Filipetixeira我认为From/to列是字符类。因此，您可以对每个字符进行df1%>%的变异，从：到%>%group\U by…非常有效。谢谢。不幸的是，我发现这个方法还有另一个问题。将变量变为字符，再变回因子，意味着我失去了初始级别。我可以创建一个查找表，但这里的想法实际上是有一个更简单、更快的代码。@FilipeTeixeira获得初始级别将很困难，因为我们正在更改值。例如，在您的eexample中，第一列的级别为'A'、'C'、'B'，但在输出中，'C'不在那里，类似地，在'To@Imo非常感谢。我与基地的问题是，它是我的9.000.000观察缓慢的事实。下面的解决方案以应有的速度运行。请查看我的更新，其中包括时间安排。通常情况下，是某个特定的实现速度慢，而不是以R为基础。@Imo，但它同样会导致因素问题，我稍后需要这些因素进行数据验证。@Imo谢谢。我与基地的问题是，它是我的9.000.000观察缓慢的事实。下面的解决方案以应有的速度运行。请查看我的更新，其中包括时间安排。通常情况下，是某个特定的实现速度慢，而不是基于R本身，但它会再次导致因素问题，稍后我将需要这些因素进行数据验证。

library(tidyverse)
cols_before_merge <- c("From", "To")
out_cols <- c("col_1", "col_2")

df <- tibble::tribble(
  ~From, ~To, ~count,
  "A", "B", 2,
  "A", "C", 1,
  "C", "A", 3,
  "B", "C", 1,
)

df_out <- df %>%
  dplyr::mutate(
    key = purrr::pmap_chr(
      list(From, To),
      ~ stringr::str_c(stringr::str_sort(c(...)), collapse = "_")
    )
  )

merge_sort <- function(cols_values) {
  purrr::pmap_chr(
    cols_values,
    ~ stringr::str_c(stringr::str_sort(c(...)), collapse = "_")
  )
}

add_key <- function(cols) {
  # column names need to be evaluated using the dataframe as an environment
  cols_quosure <- rlang::enquo(cols)

  # column names should be symbols not strings
  cols_syms <- rlang::syms(cols)

  cols_values <- purrr::map(
    cols_syms,
    ~ rlang::eval_tidy(.x, rlang::quo_get_env(cols_quosure))
  )

  merge_sort(cols_values)
}



# Adding columns for key construction programmatically
df_out <- df %>%
  dplyr::mutate(key = add_key(cols_before_merge))

df_out %>%
  dplyr::count(key, name = "count") %>%
  tidyr::separate(key, sep = "_", into = out_cols) %>%
  dplyr::mutate_at(out_cols, as.factor)