在R中对data.frame列制表时忽略元素顺序的实现方法

核心思路是对每行的语言条目先过滤缺失值、再排序，将不同顺序的同语言组合转化为统一格式，之后再进行统计。

以下是具体实现代码：

library(tidyverse)

DATA <- read.table(header=T, text="
ID  lang1    lang2    lang3
1   spanish  english  NA
2   english  spanish  french
3   russian  english  NA
4   french   english  spanish
5   english  russian  NA
6   english  french   NA")

# 处理语言组合：过滤NA → 排序 → 拼接成统一字符串
combs <- DATA %>%
  rowwise() %>%
  mutate(
    # 提取当前行的语言列，过滤NA后排序
    sorted_lang = list(sort(na.omit(c(lang1, lang2, lang3)))),
    # 将排序后的语言拼接成字符串
    lang_comb = paste(sorted_lang, collapse = ", ")
  ) %>%
  ungroup()

# 统计结果
with(combs, table(lang_comb))

运行后输出的统计结果会自动合并同语言不同顺序的组合：

english, spanish     english, french english, russian english, french, spanish 
                    1                     1                     2                     2 

关键步骤解释 #

• rowwise()：让后续操作按行执行，确保每行的语言单独处理
• na.omit(c(lang1, lang2, lang3))：去除当前行中的缺失值（NA）
• sort()：对语言名称按字母顺序排序，保证同组语言的顺序统一
• paste(..., collapse = ", ")：将排序后的语言拼接成一个字符串，作为统一的分类标识

内容的提问来源于stack exchange，提问作者Simon Harmel