如何移除R数据框中Query与target列的双向重复行

嘿，我来帮你搞定这个双向重复行的问题！你要的是不管Query和target的顺序如何，只要这对组合之前出现过，就删掉后面重复的那行，对吧？咱们先从你的示例数据入手，我加了个set.seed让结果可重复：

set.seed(123)
tmp <- data.frame(Query=c("A", "B", "C", "D", "A"), 
                  target=c("D", "A", "A", "A", "B"), 
                  values=runif(5))
tmp

运行后得到的结果是：

Query target     values
1     A      D 0.2875775
2     B      A 0.7883051
3     C      A 0.4089769
4     D      A 0.8830174
5     A      B 0.9404673

接下来给你两种常用的解决思路，一种是base R的原生方法，一种是tidyverse风格的，你可以选自己顺手的来用~

方法一：Base R 原生实现 #

核心思路是给每一对Query-target生成一个统一的标识——不管顺序是A-D还是D-A，我们都把它们排序后拼成同一个字符串，这样就能把双向重复的行标记出来，再去重。

具体代码如下：

# 对每行的Query和target排序，拼接成唯一标识
tmp$pair <- apply(tmp[, c("Query", "target")], 1, function(x) paste(sort(x), collapse = "_"))

# 筛选出第一次出现的非重复行
result <- tmp[!duplicated(tmp$pair), ]

# 删掉临时的pair列（可选，如果你不需要的话）
result <- result[, !names(result) %in% "pair"]

# 看看结果
result

运行后就能得到你想要的输出：

Query target     values
1     A      D 0.2875775
2     B      A 0.7883051
3     C      A 0.4089769

方法二：用dplyr（tidyverse风格） #

如果你平时习惯用tidyverse系列的包，这个方法会更符合你的编码习惯，代码是流水线式的，可读性很强：

library(dplyr)
library(stringr)

result <- tmp %>%
  # 按行处理每一组Query和target
  rowwise() %>%
  # 生成排序后的统一标识
  mutate(pair = str_c(sort(c(Query, target)), collapse = "_")) %>%
  # 取消按行分组
  ungroup() %>%
  # 根据pair去重，同时保留所有列
  distinct(pair, .keep_all = TRUE) %>%
  # 移除临时的pair列
  select(-pair)

result

运行后同样能得到正确的结果。

本质上两种方法的核心逻辑是一样的：把双向的配对转换成同一个唯一标识，这样就能用常规的去重函数处理啦。

备注：内容来源于stack exchange，提问作者nouse