2012-01-27 19 views
8

Tengo un marco de datos de enteros que es un subconjunto de todos n elijo 3 combinaciones de 1 ... n. por ejemplo, para n = 5, que es algo así como:Eliminación de combinaciones duplicadas (independientemente del orden)

 [,1] [,2] [,3] 
[1,] 1 2 3 
[2,] 1 2 4 
[3,] 1 2 5 
[4,] 1 3 4 
[5,] 1 3 5 
[6,] 1 4 5 
[7,] 2 1 3 
[8,] 2 1 4 
[9,] 2 1 5 
[10,] 2 3 4 
[11,] 2 3 5 
[12,] 2 4 5 
[13,] 3 1 2 
[14,] 3 1 4 
[15,] 3 1 5 
[16,] 3 2 4 
[17,] 3 2 5 
[18,] 3 4 5 
[19,] 4 1 2 
[20,] 4 1 3 
[21,] 4 1 5 
[22,] 4 2 3 
[23,] 4 2 5 
[24,] 4 3 5 
[25,] 5 1 2 
[26,] 5 1 3 
[27,] 5 1 4 
[28,] 5 2 3 
[29,] 5 2 4 
[30,] 5 3 4 

Lo que me gustaría hacer es quitar todas las filas con combinaciones duplicados, independientemente del pedido. Por ejemplo, [1,] 1 2 3 es lo mismo que [1,] 2 1 3 es lo mismo que [1,] 3 1 2.

unique, duplicated, & c. no parecen tener esto en cuenta. Además, estoy trabajando con una gran cantidad de datos (n es ~ 750), por lo que debería ser una operación bastante rápida. ¿Hay alguna función base o paquete que pueda hacer esto?

Respuesta

17

Simplemente ordena primero dentro de las filas. Algo como:

> dat = matrix(scan('data.txt'), ncol=3, byrow=T) 
Read 90 items 
> dat.sort = t(apply(dat, 1, sort)) 
> dat[!duplicated(dat.sort),] 
     [,1] [,2] [,3] 
[1,] 1 2 3 
[2,] 1 2 4 
[3,] 1 2 5 
[4,] 1 3 4 
[5,] 1 3 5 
[6,] 1 4 5 
[7,] 2 3 4 
[8,] 2 3 5 
[9,] 2 4 5 
[10,] 3 4 5 
+0

+1, corto y dulce. –

+0

Perfecto, gracias! No pensé en eso. – seanimo

+0

t (combn (c (1: 5), 3)) – aatrujillob

Cuestiones relacionadas