我需要在 R 或 excel 中创建唯一的单词对

Question

我有 2 个城市名称列表。两个列表都包含完全相同的城市名称。我必须从这些列表中创建城市对。例如，第一个列表包含伦敦、巴黎、莫斯科、日内瓦和东京等名称。清单 2 包含完全相同的名称。但是，第三个列表应该包含“London-Paris”、“London-Tokyo”、“London-Geneva”等对，但不能包含“Tokyo-London”或“Paris-London”，因为这会重复计算。任何 R 或 excel 中的帮助将不胜感激。

我曾尝试在 R 中使用“combn”函数。但是我有大约 4500 个观察结果，“combn”函数对我不起作用。

Answer 1

（你真的不需要第二个列表来做到这一点，一个就足够了）

cities  <- list("London", "Paris", "Kyiv", "Geneva", "Tokyo")

combn(cities, 2, paste, collapse = "-")

# [1] "London-Paris"  "London-Kyiv"   "London-Geneva" "London-Tokyo"  "Paris-Kyiv"   
# [6] "Paris-Geneva"  "Paris-Tokyo"   "Kyiv-Geneva"   "Kyiv-Tokyo"    "Geneva-Tokyo" 

Answer 2

使用expand.grid然后操作：

# create all possible combinations
df <- expand.grid(myList, myList)

# ensure only 1 combination for each pair
df <- as.data.frame(unique(t(apply(df, 1, sort))))

# remove same city combinations
df <- subset(df, df$V1 != df$V2)

# create column with pairs
df$combo <- paste0(df$V1, "-", df$V2)

Answer 3

您也可以在 excel 中执行此操作。创建一个新模块，粘贴以下代码，更新前2行代码中的范围并执行VBA宏：

Sub combn_VBA()
    'Define variables
    Dim CityListSourceRange As Range: Set CityListSourceRange = Sheet1.Range("A1:A5") '<-- Replace A5:A9 with range address containing the city names
    Dim CityCombinationDestinyRange As Range: Set CityCombinationDestinyRange = Sheet1.Range("C1") '<-- Replace C1 with first cell where you want to place the result list
    Set CityList = CreateObject("Scripting.Dictionary")

    'Copies the source cities into a collection
    For Each CellX In CityListSourceRange
        i = i + 1
        CityList.Add CellX.Value, i
    Next CellX

    'Creates unique pairs
    For Each City1 In CityList
        For Each City2 In CityList
            If CityList(City1) < CityList(City2) Then
                CityCombinationDestinyRange.Offset(j, 0).Value = City1 & "-" & City2
                j = j + 1
            End If
        Next City2
    Next City1
End Sub

要获得这样的东西：

Answer 4

对于Excel - VBA：

我们可以使用一个小技巧：

由于列表是相同的，我们可以只用一个列表来解决问题：

Sub MakePairs()
    Dim i As Long, N As Long, k As Long, j As Long

    N = Cells(Rows.Count, "A").End(xlUp).Row
    k = 1

    For i = 1 To N - 1
        For j = i + 1 To N
            Cells(k, 3).Value = Cells(i, 1).Value & "-" & Cells(j, 1).Value
            k = k + 1
        Next j
    Next i
End Sub

注意：

1. 此技术可避免现有对的不必要排列
2. 这种技术避免了像 London-London 这样的重复对

Answer 5

我们可以尝试编写自己的函数来查找城市名称的组合它的工作速度略快，与combn()相比：

功能

combn2 <- function(x){
  n = length(x)
  paste(
    x[rep.int(seq_along(x)[-n], times = rev(seq_along(x))[-1])], 
    x[unlist(lapply(seq_along(x)[-1], ':', to = n))], 
    sep = '-'
  )
}

检查结果是否正确

cities  <- list("London", "Paris", "Kyiv", "Geneva", "Tokyo")

combn2(cities)

# [1] "London-Paris"  "London-Kyiv"   "London-Geneva" "London-Tokyo"  "Paris-Kyiv"   
# [6] "Paris-Geneva"  "Paris-Tokyo"   "Kyiv-Geneva"   "Kyiv-Tokyo"    "Geneva-Tokyo" 

比较 5K 城市的 combn() 和 combn2() 的时间

数据

cities <- unique(maps::world.cities$name)

length(cities)

# [1] 41074

cities <- cities[1:5000]

combn() 的时间

system.time(
  combn(cities, 2, paste, collapse = "-")
)

#   user  system elapsed 
# 116.02    0.01  116.33 

combn2() 的时间安排

system.time(
  combn2(cities)
)

#  user  system elapsed 
# 14.04    0.00   14.09 

我认为大部分时间都花在paste() 上，所以如果你找到核化paste() 的方法，如果你能告诉我你是怎么做到的，我将不胜感激。