如何删除数据框内同一行字符串变量取值相同的行？优先tidyverse方案

需求说明 #

需要删除数据框中同一行内所有字符串类型变量取值完全相同的行，示例数据如下：

data <- data.frame(c("A", "C", "B"),
                   c("A", "B", "C"),
                   stringsAsFactors = FALSE)

head(data)
#   c..A....C....B.. c..A....B....C..
#1                A                A
#2                C                B
#3                B                C

预期输出过滤掉第一行（两列均为A）的结果：

#   c..A....C....B.. c..A....B....C..
#2                C                B
#3                B                C

tidyverse实现方案（优先推荐） #

核心逻辑是按行遍历，统计每行所有字符串类型列的唯一值数量，仅保留唯一值数量大于1的行：

library(dplyr)

result <- data %>%
  # 开启按行处理模式
  rowwise() %>%
  # 统计当前行所有字符型变量的唯一值数量，保留数量大于1的行
  filter(n_distinct(c_across(where(is.character))) > 1) %>%
  # 取消行分组，避免后续操作受rowwise属性影响
  ungroup()

如果不需要自动识别所有字符串列，只想针对指定列做判断，可以修改c_across的参数：

# 仅针对列col1、col2做判断的写法示例
result <- data %>%
  rowwise() %>%
  filter(n_distinct(c_across(c(col1, col2))) > 1) %>%
  ungroup()

适配提示：如果字符串列存在NA值，可在n_distinct中添加na.rm = TRUE参数适配场景

基础R实现方案（补充） #

如果不想依赖第三方包，可以用基础R实现相同逻辑：

# 识别所有字符串类型列
char_cols <- sapply(data, is.character)
# 过滤掉所有字符串列取值相同的行
result <- data[apply(data[, char_cols], 1, function(x) length(unique(x)) > 1), ]

内容的提问来源于stack exchange，提问作者choij