如何使用tidyverse风格方法按行移除数据框重复值并替换为NA

我已经了解过多种使用base R实现按行处理、将行内重复值替换为NA的解决方案，可参考相关讨论：R - find all duplicates in row and replace。
但我想找到更符合tidy风格的实现方式。之前尝试了多种across用法，以及rowwise搭配c_across的组合方案，都没有得到正确结果。

使用的测试示例数据如下：

df <- data.frame(x = c(1, 2, 3, 4),
                 y = c(1, 3, 4, 5),
                 z = c(2, 3, 5, 6))

预期输出结果：

x  y  z
1 1 NA  2
2 2  3 NA
3 3  4  5
4 4  5  6

之前尝试的无效代码：

df |>
  mutate(apply(across(everything()), 1, function(x) replace(x, duplicated(x), NA)))

df |>
  mutate(apply(across(everything()), 1, function(x) {x[duplicated(x)] <- NA}))

我还尝试过创建存储重复值列位置的列表列，取得了部分进展，但该方法会触发“新名称”问题相关的冗余警告，不确定后续如何推进，也不确定这个思路是否可行，猜测可能需要借助purrr相关功能实现：

df |>
  rowwise() |>
  mutate(test = list(duplicated(c_across(everything())))) |>
  unnest_wider(test)

# A tibble: 4 × 6
      x     y     z ...1  ...2  ...3 
  <dbl> <dbl> <dbl> <lgl> <lgl> <lgl>
1     1     1     2 FALSE TRUE  FALSE
2     2     3     3 FALSE FALSE TRUE 
3     3     4     5 FALSE FALSE FALSE
4     4     5     6 FALSE FALSE FALSE

以下两种均为标准tidy风格实现，无冗余警告，运行后直接输出预期结果：

• 方案1适配常规dplyr操作链，可直接嵌入现有mutate流程
• 方案2逻辑更直观，后续扩展自定义行处理规则更方便

方案1：rowwise + across 逐列判断 #

利用cur_column()匹配当前列在整行中的位置，直接判断当前值是否为行内重复值，是则替换为NA：

library(tidyverse)

df |>
  rowwise() |>
  mutate(
    across(
      everything(),
      ~{
        row_val <- c_across(everything())
        ifelse(duplicated(row_val)[which(names(row_val) == cur_column())], NA, .x)
      }
    )
  ) |>
  ungroup()

方案2：purrr::pmap 按行遍历处理 #

直接对数据框按行映射，每一行传入后将重复值替换为NA，再按行绑定为结果数据框：

df |>
  pmap_dfr(
    ~{
      row <- c(...)
      row[duplicated(row)] <- NA
      row
    }
  )

内容的提问来源于stack exchange，提问作者deschen