如果我们想检查'A'，'B'是否有重复项，使用duplicated from base R

i1 <- duplicated(DF)|duplicated(DF, fromLast = TRUE)

如果我们需要一个TRUE/FALSE，则使用all Package

all(i1)
#[1] TRUE

可以封装成函数

f1 <- function(dat) all(duplicated(dat)|duplicated(dat, fromLast = TRUE))
f1(DF)
#[1] TRUE

下面是使用table函数的一个相对简单的方法

table(DF)
#output
   B
A   H M W
  0 3 0 0
  1 0 0 5
  2 0 2 0

从这里你可以看到所有的0从A对应于B中的H等等。
要将其 Package 在正式检查中，可以检查列总和是否匹配列max：

all.equal(colSums(table(DF)), apply(table(DF), 2,  max))
#output
TRUE

我正在寻找一个类似的功能，也找不到一个。这是我的想法它返回一个包含任何不匹配的表。

test121 <- function(mydat, col1, col2) {
  tab <- table(mydat[[col1]], mydat[[col2]])
  sumrows <- apply(tab>0, 1, sum)
  sumcols <- apply(tab>0, 2, sum)
  probrows <- sumrows>1
  extracols <- apply(tab[probrows, , drop=FALSE], 2, sum) >0
  probcols <- sumcols>1
  extrarows <- apply(tab[, probcols, drop=FALSE], 1, sum) >0
  out <- tab[probrows | extrarows, probcols | extracols]
  if(sum(dim(out))<1) {
    return("Columns match one-to-one")
  } else {
    return(out)
  }
}

使用您的数据：

> test121(DF, "A", "B")
[1] "Columns match one-to-one"

在您的数据中引入了一个不匹配：

> DF2 <- data.frame(
+     A = c(0, 2, 0, 1, 2, 1, 0, 1, 2, 1),
+     B = c("H", "M", "H", "W", "M", "W", "H", "W", "W", "W")
+   )
> test121(DF2, "A", "B")
   
    M W
  1 0 4
  2 2 1

tidyverse：

DF%>%
   group_by(A,B)%>%
   mutate(result=n(),
          isDubl=ifelse(n()>1,T,F))
# A tibble: 10 x 4
# Groups:   A, B [3]
       A B     result isDubl
   <dbl> <fct>  <int> <lgl> 
 1    0. H          3 TRUE  
 2    2. M          2 TRUE  
 3    0. H          3 TRUE  
 4    1. W          5 TRUE  
 5    2. M          2 TRUE  
 6    1. W          5 TRUE  
 7    0. H          3 TRUE  
 8    1. W          5 TRUE  
 9    1. W          5 TRUE  
10    1. W          5 TRUE  

DF%>%
   group_by(A,B)%>%
   summarise(result=n(),
          isDubl=ifelse(n()>1,T,F))
# A tibble: 3 x 4
# Groups:   A [?]
      A B     result isDubl
  <dbl> <fct>  <int> <lgl> 
1    0. H          3 TRUE  
2    1. W          5 TRUE  
3    2. M          2 TRUE

我们可以用ave编写一个函数，它将检查每个组（B）只存在一个唯一的A值，从而确保一对一的Map。

is_one_to_one_mapping <- function(DF) {
   all(ave(DF$A, DF$B, FUN = function(x) length(unique(x))) == 1)
}

is_one_to_one_mapping(DF)
#[1] TRUE

现在，我们改变一个元素来检查

DF$A[9] <- 2
is_one_to_one_mapping(DF)
#[1] FALSE

我想知道是否有一个单独的项目的一对一Map。在你的例子中，我发现了一个小错误，所以谢谢你的提问。
基本思想是创建一个表（x，y）并检查它是否可以是对角的。显然，如果变量的布局“就是这样”，那么表格将是对角线的，很容易辨别，但在您的情况下，对齐方式有点参差不齐：

table(DF$A, DF$B)

    H M W
  0 3 0 0
  1 0 0 5
  2 0 2 0

对我来说，纠正这一点的策略是沿着这些路线

> dfu <- unique(DF)

> table(dfu[ , 1], dfu[ ,2])

   H M W
 0 1 0 0
 1 0 0 1
 2 0 1 0

然后计算行和列的总和。
如果行和或列和大于1，则这不是一对一关系。如果行和或列和都不超过1，则Map为一对一。我最初的错误是没有检查两个方向上Map的唯一性。我知道我可以计算特征值来找出同样的东西，但这不是那么明显，在初步测试中慢得多。
这是我的功能。传入2列或一个包含2列的矩阵，返回TRUE或FALSE

onetoone <- function(w, z){
    if (is.matrix(w)){
        if(dim(w)[2] != 2) stop("need 2 column matrix")
        dfu <- unique(w)
    } else {
        dfu <- unique(cbind(w,z))
    }
    return( !any(rowSums(table(dfu[ , 1], dfu[ , 2])) > 1) &&
            !any(colSums(table(dfu[ , 1], dfu[ , 2])) > 1) )
}

使用您的数据：

> DF <- data.frame(A = c(0,2,0,1,2,1,0,1,1,1),
+                  B = c('H','M','H','W','M','W','H','W','W','W'));
> onetoone(DF$A, DF$B)
[1] TRUE
> onetoone(as.matrix(DF))
[1] TRUE
> DF$C <- rnorm(10)
> onetoone(DF$A, DF$C)
[1] FALSE

这对于只有几千行的小问题很有效。
在我的实际应用程序中，列的长度是10000行，我最终将它们分成几个部分，只要一个部分没有通过测试，我就返回一个false。

使用utilities包中的mappings函数

• （注：这是对CV. SE上基本相同问题的回答的副本。）*

您可以使用R中utilities package中的mappings函数检查数据框中变量之间的函数Map。这个函数接受一个输入数据框，并检查变量之间是否存在Map。默认情况下，该函数仅检查因子变量，但您可以通过设置all.vars = TRUE检查数据中的所有变量。（铭记非因素变量之间的Map应谨慎解释;连续变量几乎总是一对一Map，因为它们没有重复的值。）下面是一个包含五个因子变量的模拟数据集的示例，它们之间有许多Map。

#Create data frame 
VAR1 <- c(0,1,2,2,0,1,2,0,0,1)
VAR2 <- c('A','B','B','B','A','B','B','A','A','B')
VAR3 <- c(1:10)
VAR4 <- c('A','B','C','D','A','B','D','A','A','B')
VAR5 <- c(1:5,1:5)
DATA <- data.frame(VAR1 = factor(VAR1),
                   VAR2 = factor(VAR2),
                   VAR3 = factor(VAR3),
                   VAR4 = factor(VAR4),
                   VAR5 = factor(VAR5))
DATA

   VAR1 VAR2 VAR3 VAR4 VAR5
1     0    A    1    A    1
2     1    B    2    B    2
3     2    B    3    C    3
4     2    B    4    D    4
5     0    A    5    A    5
6     1    B    6    B    1
7     2    B    7    D    2
8     0    A    8    A    3
9     0    A    9    A    4
10    1    B   10    B    5

我们可以使用下面的R代码检查Map。如您所见，函数的输出显示了因子之间的所有函数关系，还告诉您哪些因子是“冗余”的（即，其他因子的函数）。默认情况下，输出包括显示因子之间Map的DAG图。

#Examine mappings in the data
library(utilities)
MAPS <- mappings(DATA)
MAPS

Mapping analysis for data-frame DATA containing 5 factors (analysis ignores NA values) 

There were 7 mappings identified: 
 
     VAR1 → VAR2 
     VAR3 → VAR1 
     VAR3 → VAR2 
     VAR3 → VAR4 
     VAR3 → VAR5 
     VAR4 → VAR1 
     VAR4 → VAR2 

Redundant factors: 
 
     VAR1 
     VAR2 
     VAR4 
     VAR5 

Non-Redundant factors: 
 
     VAR3

从输出和图中可以看出， Dataframe 中唯一的非冗余因子是VAR3;所有其他因子变量都是该变量的函数。（这也可以通过查看数据框中的值来确认。）