在R中筛选DataFrame中两列值互换的唯一行

示例数据 #

先构造匹配需求的示例数据（包含Col_1/Col_2值互换的重复行）：

df <- data.frame(
  ID = c(1, 2, 3, 4, 5),
  Col_1 = c("A", "B", "C", "B", "D"),
  Col_2 = c("B", "A", "D", "A", "C")
)

其中ID1&2、ID3&5属于值互换的重复行，ID4与ID1/2也属于重复行。

方法一：使用dplyr包（推荐，代码简洁） #

核心思路是给每行生成排序后的组合键，让(A,B)和(B,A)生成相同的键，再基于该键去重，保留第一次出现的行（保证无重复行的原始位置不变）：

library(dplyr)

df_unique <- df %>%
  rowwise() %>%
  # 对每行的Col_1和Col_2排序后拼接成唯一键
  mutate(combined_key = paste(sort(c(Col_1, Col_2)), collapse = "-")) %>%
  ungroup() %>%
  # 按组合键去重，保留每组重复行的第一行
  distinct(combined_key, .keep_all = TRUE) %>%
  # 移除临时生成的组合键列
  select(-combined_key)

运行后结果：

ID Col_1 Col_2
1  1     A     B
2  3     C     D

方法二：Base R实现（无需额外包） #

如果不想加载dplyr，用base R也能实现相同逻辑：

# 生成排序后的组合键
df$combined_key <- apply(df[, c("Col_1", "Col_2")], 1, function(x) paste(sort(x), collapse = "-"))

# 保留每个组合键第一次出现的行
df_unique <- df[!duplicated(df$combined_key), ]

# 删除临时列
df_unique$combined_key <- NULL

可选调整：保留每组重复行的最后一行 #

如果需要保留每组互换值中的最后一行，只需修改去重逻辑：

• dplyr版本：把distinct(combined_key, .keep_all = TRUE)改为distinct(combined_key, .keep_all = TRUE, .keep_last = TRUE)（需dplyr 1.1.0及以上）
• Base R版本：把!duplicated(df$combined_key)改为!duplicated(df$combined_key, fromLast = TRUE)

为什么你之前的方法会误删数据？ #

直接判断列值是否在另一列存在，会把非互换的行（比如(A,C)和(B,A)）误判为重复；而通过排序生成组合键的方式，只会把真正的互换值（两列值完全相同仅顺序相反）视为重复，精准匹配需求。

内容的提问来源于stack exchange，提问作者Melissa M