从R中的节点信息创建边缘数据框？

Question

我正在尝试基于二进制拆分创建一个边缘列表。 如果我有一个只包含节点号和其他一些指标的数据框，那么我可以手动为节点创建一个边列表。例如，如果我的数据框如下所示：

dfTest <- data.frame(
  node = c(1,2,3,4,5),
  var = c("milk", NA, "coffee", NA, NA),
  isLeaf = c(F, T, F, T, T)
)

> dfTest
  node    var isLeaf
1    1   milk  FALSE
2    2   <NA>   TRUE
3    3 coffee  FALSE
4    4   <NA>   TRUE
5    5   <NA>   TRUE

然后，基于var 或isLeaf 列，我可以手动创建一个边列表来连接节点。例如，由于节点 2 是叶节点，我知道节点 1 必须转到节点 2。然后（因为它们是二元拆分）我知道节点 1 也必须连接到节点 3。由于节点 4 和 5 是叶节点，我知道他们必须在节点 3 上拆分。

手动创建边缘列表如下所示：

edges <- data.frame(
  from = c(1, 1, 3, 3),
  to   = c(2, 3, 4, 5)
)

to 列很容易找到...它始终是c(2:length(dfTest$nodes))。在这种情况下2,3,4,5。但事实证明，from 专栏很难找到。

只是为了视觉帮助，生成的树看起来像这样：

有什么方法可以做到这一点而无需手动计算边缘？

---

编辑： 作为对答案的回应，我添加了一个稍大的数据集以供使用：

dfTest <- data.frame(
  node = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11),
  var = c("milk", "milk", NA, NA, "coffee", "sugar", NA, NA, "milk", NA, NA),
  isLeaf = c(F, F, T, T, F, F, T, T, F, T, T)
)

一点解释： 从var 列我知道牛奶（根/节点1）分裂成另一个牛奶（节点2）。然后我可以看到节点 2 拆分为 NA（节点 3）和 NA（节点 4）。我知道它们是二进制拆分，我知道节点 2 不能再拆分。所以，我必须回到上一个只有 1 个拆分的节点……在这种情况下，节点 1（即牛奶）然后在咖啡上向右拆分（节点 5）。同样，由于它们是二元拆分，我现在知道咖啡（节点 5）必须拆分为糖（节点 6）。 Sugar（节点 6）后跟 2 个 NA（节点 7 和 8）。现在，我必须回到咖啡（节点 5）并向右拆分以获取牛奶（节点 9），牛奶拆分为 2 个 NA（节点 10 和 11）

所需的节点/边缘列表应如下所示：

edges <- data.frame(
  from = c(1,2,2,1,5,6,6,5,9,9),
  to   = c(2,3,4,5,6,7,8,9,10,11)
)

这会产生这样的树：

Answer 1

根据你的更新，也许你可以试试下面的代码

grps <- split(dfTest, ~ cumsum(!isLeaf))

edges <- do.call(
  rbind,
  lapply(
    grps,
    function(x) {
      with(x, expand.grid(from = node[!isLeaf], to = node[isLeaf]))
    }
  )
)

for (k in seq_along(grps)) {
  if (nrow(grps[[k]]) == 1) {
    lleaf <- with(grps[[k + 1]], node[!isLeaf])
    rleaf <- with(grps[[k + 2]], node[!isLeaf])
    edges <- rbind(edges, data.frame(from = grps[[k]]$node, to = c(lleaf, rleaf)))
  }
}

edges <- `row.names<-`(edges[with(edges, order(from, to)), ], NULL)

给了

> edges
   from to
1     1  2
2     1  5
3     2  3
4     2  4
5     5  6
6     5  9
7     6  7
8     6  8
9     9 10
10    9 11

---

可视化

library(igraph)
graph_from_data_frame(edges) %>%
  plot(layout = layout_as_tree)