Проверьте, совпадают ли два индикатора

Вы можете просто сгруппировать по ind2 и подсчитать отдельные ind1 или наоборот. Если какой-либо счетчик > 1, они не группируют данные одинаково. Вот способ с базой R -

any(with(dt, ave(ind1, ind2, FUN = function(x) length(unique(x)))) > 1)

[1] FALSE # means ind1 and ind2 group the data in same way

Кроме того, вы можете проверить, все ли count == 1, используя all, если это легче интерпретировать -

all(with(dt, ave(ind1, ind2, FUN = function(x) length(unique(x)))) == 1)

[1] TRUE # means ind1 and ind2 group the data in same way

Вы можете создать числовой индекс группы с обеими переменными и проверить, что они равны для всех строк.

Это добавит два групповых индекса в таблицу, а также проверит равенство, но вы можете удалить столбцы после, если это необходимо.

dt[,  g1 := .GRP, ind1][, g2 := .GRP, ind2][, all(g1 == g2)]
#[1] TRUE

Редактировать: идея Shree с уникальным подсчетом лучше. См. ниже реализацию data.table.

Edit2: также см. комментарии для других решений.

dt[, uniqueN(ind2), ind1][, all(V1 == 1)]
#[1] TRUE

Сравнительный анализ с таблицей, содержащей 1e7 строк и 10 групп, представленных двумя эквивалентными столбцами.

set.seed(1)
ind1 <- sample(1:10,1e7, replace=TRUE )
ind2 <- c("a","b","c")[ind1]

dt <- data.table(ind1=ind1, ind2=ind2)

microbenchmark::microbenchmark(
grp = dt[,  g1 := .GRP, ind1][, g2 := .GRP, ind2][, all(g1 == g2)], 
uniques = dt[, uniqueN(ind2), ind1][, all(V1 == 1)]
)

# Unit: milliseconds
#     expr      min       lq    mean   median       uq       max neval cld
#      grp 727.9489 838.2190 918.280 879.1036 971.3982 1542.9655   100   b
#  uniques 472.1311 502.1327 529.581 526.5357 540.5406  723.5078   100  a 

Мой инстинкт состоял бы в том, чтобы использовать .GRP, как в ответе @IceCreamToucan, но другой способ - совместно удалить дубликаты для двух столбцов, а затем проверить наличие дубликатов в каждом столбце отдельно:

# data.table
unique(dt[, c("ind1", "ind2")])[, !(anyDuplicated(ind1) || anyDuplicated(ind2))]

# base, with df = data.frame(dt)
with(unique(df[, c("ind1", "ind2")]), !(anyDuplicated(ind1) || anyDuplicated(ind2)))

Я пробовал различные тесты, но не вижу каких-либо четких результатов, за исключением, как ни странно, того, что время между двумя вышеприведенными вариантами почти всегда сильно благоприятствует data.table.

Пример с параметрами для #rows и #groups:

library(data.table)
library(magrittr)

ng = 150
n = 1e6
set.seed(1)
ind1 <- sample(1:ng, n, replace=TRUE )
ind2 <- -ind1

dt <- data.table(ind1=ind1, ind2=ind2)
df = data.frame(dt)

microbenchmark::microbenchmark(times = 3L,
grp = dt[,  g1 := .GRP, ind1][, g2 := .GRP, ind2][, all(g1 == g2)], 
uniques = dt[, uniqueN(ind2), ind1][, all(V1 == 1)],
shreet = with(dt, max(tapply(ind1, ind2, function(x) length(unique(x))))) == 1L,
shreep = with(dt, tapply(ind1, ind2, . %>% unique %>% length)) %>% max %>% equals(1L),
another = unique(dt[, c("ind1", "ind2")])[, !(anyDuplicated(ind1) || anyDuplicated(ind2))],
banother = with(unique(df[, c("ind1", "ind2")]), !(anyDuplicated(ind1) || anyDuplicated(ind2)))
)

Результаты:

Unit: milliseconds
     expr        min         lq       mean     median         uq        max neval
      grp   31.89250   34.92348   46.06510   37.95446   53.15140   68.34833     3
  uniques   32.82520   34.36808   36.32377   35.91097   38.07306   40.23515     3
   shreet   38.26046   38.35256   44.37116   38.44467   47.42650   56.40834     3
   shreep   43.37336   98.56367  145.38600  153.75399  196.39231  239.03064     3
  another   14.47064   31.42879   88.20134   48.38694  125.06669  201.74643     3
 banother 1338.14070 1427.35481 1658.08404 1516.56893 1818.05572 2119.54251     3