统计数据框中列可互换的无序组合数：问题命名与多列解法

嘿，这个问题其实有个明确的称呼——无向多列组合频数统计（也可以简单叫“不考虑顺序的分组计数”），核心就是把每行里的多个列值当成一个不区分顺序的集合，统计不同集合出现的次数。

先看你的示例数据：

df = data.frame(fruit1 = c("apple", "orange", "orange", "banana", "kiwi"), 
                fruit2 = c("orange", "apple", "banana", "orange", "apple"), 
                stringsAsFactors = FALSE)

你之前的方法只适用于2列，这里给你一个能轻松扩展到3列、4列甚至更多列的tidyverse方案，分两种常用场景：

场景1：只想得到组合标识和计数 #

这种方式最简洁，把每行的所有值排序后合并成一个字符串，用这个字符串作为唯一的组合标识，再统计次数：

library(tidyverse)

df %>%
  rowwise() %>%
  # 抓取当前行所有列的值，排序后拼成统一格式的字符串
  mutate(standardized_comb = paste(sort(c_across(everything())), collapse = "-")) %>%
  ungroup() %>%
  # 按标准化后的组合统计出现次数
  count(standardized_comb, name = "combinations")

跑出来的结果正好匹配你的需求：

# A tibble: 3 × 2
  standardized_comb combinations
  <chr>                     <int>
1 apple-orange                  2
2 apple-kiwi                    1
3 banana-orange                 2

场景2：需要保留拆分后的组合列 #

如果你想把排序后的组合拆成单独的列（比如3列的话拆成3个独立列），方便后续进一步分析，可以用这个方法：

df %>%
  rowwise() %>%
  # 把每行的所有值排序后存成列表格式
  mutate(sorted_vals = list(sort(c_across(everything())))) %>%
  ungroup() %>%
  # 把列表拆分成多个命名列
  unnest_wider(sorted_vals, names_sep = "_") %>%
  # 按所有拆分出的列分组计数
  count(matches("sorted_vals_"), name = "combinations")

针对你的示例数据，输出会是：

# A tibble: 3 × 3
  sorted_vals_1 sorted_vals_2 combinations
  <chr>         <chr>                <int>
1 apple         orange                  2
2 apple         kiwi                    1
3 banana        orange                 2

为什么这个方法能通用？ #

• c_across(everything())会自动抓取当前行的所有列，不管你是2列还是10列，都不用修改代码；
• sort()帮你把同一组合的不同顺序统一成相同的排序结果，比如(orange, apple)和(apple, orange)都会变成(apple, orange)；
• 后续的分组计数逻辑完全和列数无关，直接复用就行。

举个3列的测试例子验证下：

df_3col = data.frame(fruit1 = c("apple", "orange", "banana"),
                     fruit2 = c("orange", "apple", "orange"),
                     fruit3 = c("banana", "banana", "apple"),
                     stringsAsFactors = FALSE)

用上面的方法处理后，这三行都会被识别为同一个apple-banana-orange组合，统计次数为3，完美适配多列场景～

内容的提问来源于stack exchange，提问作者Joy