使用R删除反向重复项

我在R中有一个数据框，其中包含拟南芥中同源基因的基因ID，如下所示：

gene_x    gene_y
AT1       AT2
AT3       AT4
AT1       AT2
AT1       AT3
AT2       AT1

与基因名称对应的“ATx”

现在，对于下游分析，我只想继续使用唯一对。有些对只是简单的重复项，使用

duplicated（）

函数即可轻松删除。 但是，上面的人造数据框中的第五行也是重复的，但顺序相反，

duplicated（）

和

unique（）

函数都不会拾取该行

关于如何删除这些行有什么想法吗

mydf <- read.table(text="gene_x    gene_y
AT1       AT2
AT3       AT4
AT1       AT2
AT1       AT3
AT2       AT1", header=TRUE, stringsAsFactors=FALSE)

这里有一个稍微不同的解决方案：

mydf[!duplicated(lapply(as.data.frame(t(mydf), stringsAsFactors=FALSE), sort)),]
  gene_x gene_y
1    AT1    AT2
2    AT3    AT4
4    AT1    AT3

---

dplyr

可能性可能是：

mydf %>%
 group_by(grp = paste(pmax(gene_x, gene_y), pmin(gene_x, gene_y), sep = "_")) %>%
 slice(1) %>%
 ungroup() %>%
 select(-grp)

  gene_x gene_y
  <chr>  <chr> 
1 AT1    AT2   
2 AT1    AT3   
3 AT3    AT4  

或：

或者使用

dplyr

和

purrr

：

mydf %>%
 group_by(grp = paste(invoke(pmax, .), invoke(pmin, .), sep = "_")) %>%
 slice(1) %>%
 ungroup() %>%
 select(-grp)

从

purrr 0.3.0

invoke（）

失效后，应改用

exec（）

：

mydf %>%
 group_by(grp = paste(exec(pmax, !!!.), exec(pmin, !!!.), sep = "_")) %>%
 slice(1) %>%
 ungroup() %>%
 select(-grp)

或：

---

另一种以tidyverse为中心的方法，但使用

purr

：

mydf %>%
 group_by(grp = paste(invoke(pmax, .), invoke(pmin, .), sep = "_")) %>%
 slice(1) %>%
 ungroup() %>%
 select(-grp)

库（tidyverse）
c_排序_折叠%
排序（）%>%
str_c（collapse=“.”）
}
mydf%>%
突变（x_y=map2_chr（基因x，基因y，c_排序折叠））%>%
不同（x_y，.keep_all=TRUE）%>%
选择（-x_y）
#>基因x基因y
#>一对一对二
#>2点3分4分
#>3点对1点对3点

先排序，然后查找重复项。我建议你给我们提供一个可复制的例子。小心！通过使用

collapse=''

您可能会无意中删除一些不重复的基因对。例如，

ABC

-

DE

对将被删除，如果存在

AB

-

CDE

对（因为它们在粘贴在一起时形成

ABCDE

）。因此，通过将

collapse='

更改为

collapse='.

，此解决方案可以完美地工作。您如何更改代码以同时排除对重复数据的第一次观察，即仅在输出中保留原始数据帧的第2行和第3行？

mydf %>%
 group_by(grp = paste(invoke(pmax, .), invoke(pmin, .), sep = "_")) %>%
 slice(1) %>%
 ungroup() %>%
 select(-grp)

mydf %>%
 group_by(grp = paste(exec(pmax, !!!.), exec(pmin, !!!.), sep = "_")) %>%
 slice(1) %>%
 ungroup() %>%
 select(-grp)

df %>%
 rowwise() %>%
 mutate(grp = paste(sort(c(gene_x, gene_y)), collapse = "_")) %>%
 group_by(grp) %>%
 slice(1) %>%
 ungroup() %>%
 select(-grp)