组间（组间）A 列按 B 列分组的组合答案

【问题标题】：inter-group (between groups) combination of column A grouped by column B组间（组间）A 列按 B 列分组的组合
【发布时间】：2015-10-28 02:44:47
【问题描述】：

我认为这是一个图形理论问题：我们可以在两组点之间画多少条线......我不熟悉......

例如

df = data.frame(city = c('Boston', 'Cambridge', 'Long Island', 'NYC'),
                state = c('MA', 'MA', 'NY', 'NY'))

         city state
1      Boston    MA
2   Cambridge    MA
3 Long Island    NY
4         NYC    NY

城市按州划分/分组。如何获得

Boston - Long Island
Boston - NYC
Cambridge - Long Island
Cambridge - NYC

换句话说，我想生成两个城市位于不同州的每个城市对。

一个更一般的例子：

set.seed(123)
df = data.frame(value = 1:100,
                group = letters[sample(1:26, 100, replace=T)])

> df
    value group
1       1     e
2       2     m
3       3     g
4       4     o
5       5     p
6       6     a
7       7     i
8       8     o
9       9     i
10     10     h
11     11     p
12     12     h
...    ...    ...

我想要所有组合 (value1, value2) 或等效的 (index1, index2)，其中 value1 和 value2 具有不同的组标签。

【问题讨论】：

你想创建一个网络？
嗨，谢谢@Pascal，我不确定网络的定义，但是是的，它听起来像一个网络：与除您自己团队中的人之外的任何人进行比赛
为什么蒂姆的回答消失了...:(
嗨@TimBiegeleisen 好像我不...你的答案很酷 - $A$A, $A$B 的东西在这里和其他情况下也很有用。你能把它放在这里吗？你是怎么得到它的？

标签： r combinations

【解决方案1】：

扩展@mso 答案，如果您：

只想计算可能的对数

a->b 与 b->a 相同（无向图）。

> set.seed(123)
> n<-10 # number of value
> k<-3  # number of groups
> df = data.frame(value = 1:n,  group = letters[sample(1:k, n, replace=T)])
> df
   value group
1      1     a
2      2     c
3      3     b
4      4     c
5      5     c
6      6     a
7      7     b
8      8     c
9      9     b
10    10     b

> tbl<-table(df$group) # Tabulate number within each group
> tbl
a b c
2 4 4
> sum(outer(tbl,tbl)[upper.tri(outer(tbl,tbl))]) # Count number of pairs
[1] 32
> sum(apply(combn(1:length(tbl),2),2,function(x) prod(tbl[x]) )) # Another way
[1] 32

>for(i in 1:n){
  tempdf = df[df$group!=df[i,2] & c(rep(F,i),rep(T,n-i)),]
  cat(df[i,1],': ',tempdf[,1], '\n')
}

1 :  2 3 4 5 7 8 9 10
2 :  3 6 7 9 10
3 :  4 5 6 8
4 :  6 7 9 10
5 :  6 7 9 10
6 :  7 8 9 10
7 :  8
8 :  9 10
9 :
10 :

>count<-0
>for(i in 1:n){
  tempdf = df[df$group!=df[i,2] & c(rep(F,i),rep(T,n-i)),]
  if (nrow(tempdf)>0){
    for(j in 1:nrow(tempdf)){
      cat(df[i,1], tempdf[j,1], '\n')
      count<-count+1
    }
  }
}

 1 2
 1 3
 1 4
 1 5
 1 7
 1 8
...

> count
[1] 32

【讨论】：

【解决方案2】：

尽管在 R 中不鼓励使用 For 循环，但可以使用它来获得所需的结果：

ddf = data.frame(value = 1:20,  group = letters[sample(1:3, 20, replace=T)])
head(ddf)
  value group
1     1     b
2     2     b
3     3     b
4     4     c
5     5     a
6     6     a

for(i in 1:20){
    tempdf = ddf[ddf$group!=ddf[i,2],]
    cat(ddf[i,1],': ',tempdf[,1], '\n')
}

1 :  4 5 6 8 9 10 13 15 17 19 20 
2 :  4 5 6 8 9 10 13 15 17 19 20 
3 :  4 5 6 8 9 10 13 15 17 19 20 
4 :  1 2 3 5 6 7 8 11 12 13 14 16 18 19 
5 :  1 2 3 4 7 9 10 11 12 14 15 16 17 18 20 
6 :  1 2 3 4 7 9 10 11 12 14 15 16 17 18 20 
7 :  4 5 6 8 9 10 13 15 17 19 20 
8 :  1 2 3 4 7 9 10 11 12 14 15 16 17 18 20 
9 :  1 2 3 5 6 7 8 11 12 13 14 16 18 19 
10 :  1 2 3 5 6 7 8 11 12 13 14 16 18 19 
11 :  4 5 6 8 9 10 13 15 17 19 20 
12 :  4 5 6 8 9 10 13 15 17 19 20 
13 :  1 2 3 4 7 9 10 11 12 14 15 16 17 18 20 
14 :  4 5 6 8 9 10 13 15 17 19 20 
15 :  1 2 3 5 6 7 8 11 12 13 14 16 18 19 
16 :  4 5 6 8 9 10 13 15 17 19 20 
17 :  1 2 3 5 6 7 8 11 12 13 14 16 18 19 
18 :  4 5 6 8 9 10 13 15 17 19 20 
19 :  1 2 3 4 7 9 10 11 12 14 15 16 17 18 20 
20 :  1 2 3 5 6 7 8 11 12 13 14 16 18 19

可以列出每一对：

for(i in 1:20){
    tempdf = ddf[ddf$group!=ddf[i,2],]
    for(j in 1:nrow(tempdf)){
        cat(ddf[i,1], tempdf[j,1], '\n') 
    }
}

}
1 4 
1 5 
1 6 
1 8 
1 9 
1 10 
1 13 
1 15 
1 17 
1 19 
1 20 
2 4 
2 5 
2 6 
2 8 
2 9 
2 10 
2 13 
2 15 
2 17 
....

这些对可以很容易地在另一个 data.frame 中获得。

创建另一个data.frame：

outdf = data.frame(first=numeric(), second=numeric())

for(i in 1:20){
    tempdf = ddf[ddf$group!=ddf[i,2],]
    for(j in 1:nrow(tempdf)){
        outdf[nrow(outdf)+1,] = c(ddf[i,1], tempdf[j,1])
    }
}
head(outdf)
  first second
1     1      3
2     1      4
3     1      5
4     1      7
5     1      8
6     1      9

要删除重复项，首先对每一对进行排序：

for(i in 1:nrow(outdf)){
    if(outdf[i,2] < outdf[i,1])
        outdf[i,] = c(outdf[i,2], outdf[i,1])
}
outdf

为了对每一行进行排序，可能首选以下 R 代码：

outdf = data.frame(t(apply(outdf, 1, sort)))

然后删除重复项：

outdf = outdf[!duplicated(outdf),]

唯一对的数量为：

nrow(outdf)

【讨论】：

修改了你的答案以避免重复对:)

【解决方案3】：

你可以使用 cross_join

library(dplyr)

df = data.frame(city = c('Boston', 'Cambridge', 'Long Island', 'NYC'),
                state = c('MA', 'MA', 'NY', 'NY'))

prefix = function(df, prefix)
  df %>%
  setNames(names(.) %>%
             paste(prefix, ., sep = "_") )

df %>% prefix("from") %>%
  merge(df %>% prefix("to")) %>%
  filter(!(from_city == to_city & from_state == to_state))

【讨论】：

这不会过滤掉重复的对。例如。你的结果有NYC - Boston 和 Boston - NYC。这不是 OP 想要的，AFAIK。

【解决方案4】：

对于您的问题，如果我们有 k 个包含 m1、m2、...、mk 分量的组，那么不同组之间唯一对的总数为：

(m1*m2 + m1*m3 +...+ m1*mk)+(m2*m3+m2*m4+...+m2*mk)+...+(m(k-1)* mk)

我有一个解决方案：

library(data.table)
df = data.table(city = 1:10,
state = c(rep(1,3),rep(2,4),rep(3,3)))

res=NULL
df[,{tt=combn(.SD[,city],2)
res<<-cbind(res,tt)},by=state]

res.all <- combn(df[,city],2)
res <- paste(res[1,],res[2,])
res.all <- paste(res.all[1,],res.all[2,])
res.all[!(res.all %in% res)]

> df
city state
 1:    1     1
 2:    2     1
 3:    3     1
 4:    4     2
 5:    5     2
 6:    6     2
 7:    7     2
 8:    8     3
 9:    9     3
10:   10     3
> as.matrix(res.all[!(res.all %in% res)])
      [,1]  
 [1,] "1 4" 
 [2,] "1 5" 
 [3,] "1 6" 
 [4,] "1 7" 
 [5,] "1 8" 
 [6,] "1 9" 
 [7,] "1 10"
 [8,] "2 4" 
 [9,] "2 5" 
[10,] "2 6" 
[11,] "2 7" 
[12,] "2 8" 
[13,] "2 9" 
[14,] "2 10"
[15,] "3 4" 
[16,] "3 5" 
[17,] "3 6" 
[18,] "3 7" 
[19,] "3 8" 
[20,] "3 9" 
[21,] "3 10"
[22,] "4 8" 
[23,] "4 9" 
[24,] "4 10"
[25,] "5 8" 
[26,] "5 9" 
[27,] "5 10"
[28,] "6 8" 
[29,] "6 9" 
[30,] "6 10"
[31,] "7 8" 
[32,] "7 9"
[33,] "7 10"

【讨论】：