如何根据R中data.table中具有symmetricl值的两列删除某些行？

例如，我有一个如下表：

DT <- data.table(
  A = c(1,1,1,2,2,2,3,3,3), 
  B = c(1,2,3,1,2,3,1,2,3),
  key = "A"
)

---

DT可能不是最有效的，但是利用
复制。矩阵法：

DT[!duplicated(apply(cbind(A, B), 1L, sort), MARGIN = 2L)]
#    A B
# 1: 1 1
# 2: 1 2
# 3: 1 3
# 4: 2 2
# 5: 2 3
# 6: 3 3

如果只有两列，则可以执行以下操作：

 unique(do.call(function(A,B)data.table(A=pmin(A,B),B=pmax(A,B)),DT))
   A B
1: 1 1
2: 1 2
3: 1 3
4: 2 2
5: 2 3
6: 3 3

另一种选择：

DT[, g := paste(B, A, sep="_")][A < B, g := paste(A, B, sep="_")][!duplicated(g), !"g"]

   A B
1: 1 1
2: 1 2
3: 1 3
4: 2 2
5: 2 3
6: 3 3

DT[，g:=粘贴（B，A，sep=“”）][A

所以

将分组变量设为a+B
将子集AB的顺序翻转为B+A
分组变量上的重复数据消除
最后一步也可以是唯一的（DT，by=“g”）
对于只有2列的情况，使用反连接的另一种方法

dupes <- unique(DT[B > A])[unique(DT[A < B]), on=c("A"="B", "B"="A")]
ans <- unique(DT)[!dupes, on=.(A, B)]


但最快的是eddi的方法：

@chinsoon12我想我们是在同一个地方着陆的，只是我发现了
duplicated.matrix
方法。如果您试图删除重复的行，而不考虑列位置，则会有许多重复的行。或
library(data.table)
set.seed(0L)

nr <- 1e5
nElem <- 1e3
mat <- matrix(sample(nElem, nr*2, replace=TRUE), ncol=2)
DT <- as.data.table(mat)
setnames(DT, c("A", "B"))
DT2 <- copy(DT)

library(microbenchmark)
mtd1 <- function() unique(data.frame(A=pmin(mat[, 1], mat[, 2]), B=pmax(mat[, 1], mat[, 2])))
mtd2 <- function() DT[!duplicated(apply(cbind(A, B), 1L, sort), MARGIN = 2L)]
mtd3 <- function() DT2[, g := paste(B, A, sep="_")][A < B, g := paste(A, B, sep="_")][!duplicated(g), !"g"]
mtd4 <- function() {
    dupes <- unique(DT[B > A])[unique(DT[A < B]), on=c("A"="B", "B"="A")]
    ans <- unique(DT)[!dupes, on=.(A, B)]
}
microbenchmark(mtd1(),mtd2(),mtd3(),mtd4(),times=3L)

Unit: milliseconds
   expr        min         lq       mean     median         uq        max neval
 mtd1()  118.62051  129.50581  153.77216  140.39111  171.34799  202.30487     3
 mtd2() 3500.47877 3552.80879 3732.67006 3605.13882 3848.76571 4092.39260     3
 mtd3()   89.22901   92.94830   97.22658   96.66759  101.22536  105.78313     3
 mtd4()   28.61628   32.37641   50.90126   36.13654   62.04375   87.95096     3

mtd5 <- function() DT[DT[, .I[1L], by=.(pmin(A, B), pmax(A, B))]$V1]
microbenchmark(mtd1(),mtd2(),mtd3(),mtd4(),mtd5(),times=3L)

Unit: milliseconds
   expr        min         lq       mean     median         uq        max neval
 mtd1()  149.62224  150.70685  175.66394  151.79146  188.68479  225.57813     3
 mtd2() 4126.51014 4140.72876 4277.37907 4154.94738 4352.81353 4550.67968     3
 mtd3()  126.01679  131.26463  134.63642  136.51247  138.94624  141.38000     3
 mtd4()   39.24141   42.42815   45.65804   45.61489   48.86635   52.11781     3
 mtd5()   12.58396   16.68156   18.21613   20.77915   21.03221   21.28527     3