如何用data.table实现逐行排序分组，替代dplyr处理配对数据

先看原始数据：

library(data.table)
library(dplyr)
dt <- data.table(
  V1 = c("B", "A", "D", "A", "G", "B", "C", "C", "E", "C"),
  V2 = c("A", "B", "C", "B", "C", "E", "D", "B", "B", "G")
)

需求是将A:B和B:A视为同一组，实现分组去重。以下是两种高效的data.table实现方式：

方法1：生成统一标识后去重 #

利用pmin()和pmax()直接得到每行配对的统一顺序（比sort()更高效，仅针对两个元素），生成widget列后按该列去重：

# 生成统一的widget标识
dt[, widget := paste(pmin(V1, V2), pmax(V1, V2), sep = ":")]
# 按widget分组，保留每组第一行
orderedDT <- dt[, .SD[1], by = widget]

# 如果仅需要去重后的widget标识，可简化为：
orderedDT <- dt[, .(widget = paste(pmin(V1, V2), pmax(V1, V2), sep = ":"))][!duplicated(widget)]

方法2：直接按排序后的配对分组去重 #

无需额外生成widget列，直接以排序后的配对作为分组键，保留每组第一行：

orderedDT <- dt[, .SD[1], by = .(pmin(V1, V2), pmax(V1, V2))]

你之前写法的问题分析 #

你尝试的代码存在两个核心问题：

• by = .(V1, V2)是按原始的(V1,V2)组合分组，而非排序后的配对，无法满足"AB和BA视为同一组"的需求；
• lapply(.SD, function(x){paste(sort(x), collapse = ":")})是对.SD中的每一列单独处理，而非将每行的V1和V2合并后排序，导致生成的widget列不符合预期。

内容的提问来源于stack exchange，提问作者mer_curius