在R中生成含NA值的无重复无交换字符组合

核心思路 #

要实现需求，关键是只生成无序的唯一2元素组合（而非排列），同时过滤掉有效值不足2的行，最后统计组合出现次数。之前用gtools失败大概率是误用了排列函数（permutations）而非组合函数（combinations），或者没有先对有效值排序导致重复。

方法1：Base R 实现 #

先准备示例数据（模拟你的真实数据结构）：

set.seed(123)
df <- data.frame(
  col1 = sample(c("a", "b", "c", NA), 10, replace = TRUE),
  col2 = sample(c("a", "b", "c", NA), 10, replace = TRUE),
  col3 = sample(c("a", "b", "c", NA), 10, replace = TRUE),
  col4 = sample(c("a", "b", "c", NA), 10, replace = TRUE)
)

然后编写处理逻辑：

library(gtools)

# 定义单行处理函数：过滤NA、排序、生成唯一组合
process_single_row <- function(row_data) {
  valid_vals <- na.omit(row_data)
  # 有效值少于2则返回空，后续自动过滤
  if (length(valid_vals) < 2) return(NULL)
  # 排序后生成2元素组合，确保无交换重复（如仅保留"ab"）
  sorted_vals <- sort(valid_vals)
  combos <- combinations(n = length(sorted_vals), r = 2, v = sorted_vals)
  # 把组合转成字符串（如c("a","b")→"ab"）
  apply(combos, 1, paste, collapse = "")
}

# 遍历所有行，收集所有有效组合
all_valid_combos <- unlist(apply(df, 1, process_single_row))

# 统计组合出现次数
combo_frequency <- table(all_valid_combos)

# 转成数据框更易读
result_df <- as.data.frame(combo_frequency)
colnames(result_df) <- c("组合", "出现次数")

方法2：Tidyverse 实现（更直观） #

如果习惯用tidyverse语法，代码可读性更强：

library(tidyverse)

df %>%
  rowwise() %>%
  # 提取每行非NA的有效值
  mutate(valid_vals = list(na.omit(c_across(everything())))) %>%
  # 过滤掉有效值不足2的行
  filter(length(valid_vals) >= 2) %>%
  # 生成排序后的唯一组合
  mutate(combos = list(
    valid_vals %>%
      sort() %>%
      combn(2, paste, collapse = "") %>%
      as.character()
  )) %>%
  # 展开所有组合并统计次数
  unnest(combos) %>%
  count(combos, name = "出现次数") %>%
  # 按次数降序排列
  arrange(desc(出现次数))

关键注意点 #

• 排序的作用：对每行有效值先排序，再生成组合，彻底避免"ab"和"ba"这类交换式重复。
• 组合 vs 排列：必须用combinations（或combn）而非permutations，前者生成无序唯一组合，后者会生成所有排列导致重复。
• 效率适配：30k行42列的数据量，两种方法都能轻松处理，tidyverse版本在后续数据清洗时更灵活。

内容的提问来源于stack exchange，提问作者Klaidas Bukauskas