從兩個變量的可互換組合創建唯一標識符

Question

我需要從數據框中兩個變量的組合創建唯一標識符。考慮以下數據幀：

df <- data.frame(col1 = c("a", "a", "b", "c"), col2 = c("c", "b", "c", "a"), id = c(1,2,3,1) 

變量「id」不在數據集中;那是我想創造的那個。基本上，我希望可以互換地處理變量col1和col2的每個組合，例如， c（「a」，「c」）的組合與c（「c」，「a」）相同。

Answer 1

你可以這樣做：

labels <- apply(df[, c("col1", "col2")], 1, sort) 
df$id <- as.numeric(factor(apply(labels, 2, function(x) paste(x, collapse="")))) 

Answer 2

一個更復雜，但更快的運行版本比遍歷每一行。

sel <- c("col1","col2") 
df[sel] <- lapply(df[sel], as.character) 

as.numeric(factor(apply(df[1:2], 1, function(x) toString(sort(x))))) 
#[1] 2 1 3 2 

as.numeric(interaction(list(do.call(pmin,df[1:2]),do.call(pmax,df[1:2])),drop=TRUE)) 
#[1] 2 1 3 2 

標杆上1M行：

df2 <- df[rep(1:4, each=2.5e5),] 

system.time(as.numeric(factor(apply(df2[1:2], 1, function(x) toString(sort(x)))))) 
# user system elapsed 
# 69.21 0.08 69.41 

system.time(as.numeric(interaction(list(do.call(pmin,df2[1:2]),do.call(pmax,df2[1:2])),drop=TRUE))) 
# user system elapsed 
# 0.88 0.03 0.91