组内的观察对

Question

我有一个问题，我知道如何使用 SQL 解决，但我希望在 R 中使用新数据集实施解决方案。我一直在尝试使用 reshape2 包来解决问题，但我对我想要完成的事情没有任何运气。这是我的问题：

我有一个数据集，我需要在其中查看来自另一个组的所有项目对。我在下面创建了一个玩具示例来进一步解释。

BUNCH    FRUITS
1        apples
1        bananas
1        mangos
2        apples
3        bananas
3        apples
4        bananas
4        apples

我想要的是所有可能对的列表，并将它们在一堆中一起出现的频率相加。理想情况下，我的输出应该是这样的：

FRUIT1    FRUIT2     FREQUENCY
APPLES    BANANAS    3
APPLES    MANGOS     1

我的最终目标是制作一些我最终能够导入 Gephi 进行网络分析的东西。为此，我需要一个 Source 和 Target 列（上面的又名 FRUIT1 和 FRUIT2）。

如果对任何人有帮助，请使用 SQL 中的原始解决方案：PROC SQL in SAS - All Pairs of Items

Answer 1

以下内容似乎有效：

tmp = table(DF$FRUITS, DF$BUNCH) != 0
#> tmp         
#             1     2     3     4
#  apples  TRUE  TRUE  TRUE  TRUE
#  bananas TRUE FALSE  TRUE  TRUE
#  mangos  TRUE FALSE FALSE FALSE

do.call(rbind, 
        combn(unique(as.character(DF$FRUITS)), 
              2,
              function(x) data.frame(fr1 = x[1], 
                                     fr2 = x[2], 
                                     freq = sum(colSums(tmp[x, ]) == 2)), 
              simplify = F))
#      fr1     fr2 freq
#1  apples bananas    3
#2  apples  mangos    1
#3 bananas  mangos    1

DF:

DF = structure(list(BUNCH = c(1L, 1L, 1L, 2L, 3L, 3L, 4L, 4L), FRUITS = structure(c(1L, 
2L, 3L, 1L, 2L, 1L, 2L, 1L), .Label = c("apples", "bananas", 
"mangos"), class = "factor")), .Names = c("BUNCH", "FRUITS"), class = "data.frame", row.names = c(NA, 
-8L))