计算和识别 R 中的唯一关系答案

【问题标题】：Count and identify unique relations in R计算和识别 R 中的唯一关系
【发布时间】：2016-10-01 06:21:45
【问题描述】：

我有一个包含 2 列的数据框，如下所示：

id1 <- c(123,456,789,122,345,678,901,126,567,890,001,002,130,122)
id2 <- c(121,122,123,456,125,126,127,678,129,130,131,132,890,987)
df <- cbind(id1,id2)
df
  id1 id2
 [1,] 123 121
 [2,] 456 122
 [3,] 789 123
 [4,] 122 456
 [5,] 345 125
 [6,] 678 126
 [7,] 901 127
 [8,] 126 678
 [9,] 567 129
[10,] 890 130
[11,]   1 131
[12,]   2 132
[13,] 130 890
[14,] 122 987

现在我可以计算 id1 和 id2 的组合等于 id2 和 id1 的组合的所有情况并返回它们，如下所示：

forwards<-paste(V1,V2)
backwards<-paste(V2,V1)

#identifying combinations

intersect(forwards, backwards)
[1] "456 122" "122 456" "678 126" "126 678" "890 130" "130 890"

#count combinations
length(intersect(forwards, backwards))
[1] 6

但是现在，对于 id1 仅与 id2 相关且 id2 仅与 id1 相关的所有情况，我想要一个新计数，例如对于 df，该计数将等于 4，因为：

id1==122 is related with id2==456 AND id1==456 is related with id2==122,
but id1 ==122 is too related with id2==987,

因此，新计数应排除这两种情况，并按如下方式计数：

  id1 id2
  678 126
  126 678
  890 130
  130 890
  #count should be equals to 4

我该怎么做？

【问题讨论】：

标签： r count

【解决方案1】：

这是我使用data.table 对您的问题的回答。也许有人可以帮助我们找到更直接的解决方案。

library(data.table)
df <- data.table(id1,id2) # get vectors as a data.table

# create forwards and backwards  columns
  df[ , forwards := paste(id1,id2)]
  df[ , backwards := paste(id2,id1)]

# count number of intersections between forwards and backwards  
  df [ forwards %in% backwards, .(count=.N)]

>    count
> 1:     6

现在这就是您要问的，棘手的部分。

# add new column with number of pairs of id1
  df[ , pairs :=.N, by= id1]

# get all values that have more than one pair
  too_many_pairs <-  as.matrix(df[ pairs >1, .(id1,id2) ])

# solution
  df[  id1 %in% id2 & id2 %in% id1 & !(id1 %in% too_many_pairs) ]

>    id1 id2 
> 1: 678 126 
> 2: 126 678 
> 3: 890 130 
> 4: 130 890

解释解决方案：

解决方案id1 %in% id2 & id2 %in% id1 的第一部分表示只保留在 id2 中也可以找到的 id1 值，反之亦然

解决方案!(id1 %in% too_many_pairs)的第二部分表示删除所有超过一对的id1值

【讨论】：

好答案。加一。

【解决方案2】：

这是一个 Hadleyverse 方法：

library(dplyr)
library(tidyr)

# make df a data.frame instead of a matrix
data.frame(df) %>% 
    # add row index
    add_rownames() %>% 
    # melt to long form
    gather(id, val, -rowname) %>% 
    # filter down to values repeated an even number of times
    group_by(val) %>% filter(n() %% 2 == 0) %>% 
    # filter down to rows with two values
    group_by(rowname) %>% filter(n() == 2) %>% 
    # spread back to wide form
    spread(id, val)

# Source: local data frame [4 x 3]
# Groups: rowname [4]
# 
#   rowname   id1   id2
#     (chr) (dbl) (dbl)
# 1      10   890   130
# 2      13   130   890
# 3       6   678   126
# 4       8   126   678

【讨论】：