如何在DataFrame中生成不依赖列顺序的唯一合并标识列？

需求是给DataFrame新增一列type，使得任意两行的x和y元素集合相同（不考虑顺序）时，type值一致（比如(1,2)和(2,1)对应同一个type）。以下是几种可行的实现方法：

方法1：基于排序后的字符串分组（dplyr） #

先对每行的x和y进行排序，拼接成统一格式的字符串作为分组键，再生成组ID：

library(tibble)
library(dplyr)

df = tibble(x = c(1,2,3,3,4,10,9), y=c(2,1,9,9,9,1,3))

df |>
  rowwise() |>
  # 对每行的x、y排序后拼接成字符串
  mutate(group_key = paste(sort(c(x, y)), collapse = "-")) |>
  ungroup() |>
  group_by(group_key) |>
  mutate(type = cur_group_id()) |>
  # 移除中间生成的分组键
  select(-group_key)

方法2：基于排序后的向量分组（更严谨，dplyr） #

如果x或y包含特殊字符（比如分隔符-），用字符串拼接可能出错，此时可以用列表存储排序后的向量作为分组键：

df |>
  rowwise() |>
  mutate(group_key = list(sort(c(x, y)))) |>
  ungroup() |>
  group_by(group_key) |>
  mutate(type = cur_group_id()) |>
  select(-group_key)

方法3：基于极值分组（data.table，高效适合大数据） #

用pmin和pmax直接提取每行的最小、最大值作为分组依据，无需排序整个向量，效率更高：

library(data.table)
setDT(df)
df[, type := .GRP, by = .(pmin(x, y), pmax(x, y))]

结果验证 #

以上方法都会生成符合预期的输出：

# A tibble: 7 × 3
      x     y  type
  <dbl> <dbl> <int>
1     1     2     1
2     2     1     1
3     3     9     2
4     3     9     2
5     4     9     3
6    10     1     4
7     9     3     2

原方法错误原因 #

直接使用group_by(x,y)结合cur_group_id()时，分组是严格按照x和y的顺序进行的，(1,2)和(2,1)会被识别为两个不同的分组，因此生成的type值不一致，不符合需求。

内容的提问来源于stack exchange，提问作者aaa