对于 Dataframe 中的每个项目都想自动循环

Question

我不想重塑它，因为我有很多数据，所以像循环这样的东西会自动翻译它 输入 - 数据框 1

Item     LC     ToLC
8T4121  MW92    WK14
8T4121  WK14    RM11
8T4121  WK14    RS11
8T4121  RS11    OY01
AB7651  MW92    RS11
AB7651  RS11    OY01

我想做一个循环，我可以得到这样的输出 数据框 2

Item     LC1    LC2    LC3    LC4
8T4121  MW92    WK14   RM11  
8T4121  MW92    WK14   RS11   OY01
AB7651  MW92    RS11   OY01

我尝试过这样的事情：

bodlane <- lctolc
colnames(bodlane) <- c("Item","Entry","From")

bodlane$To <- lctolc$To[match(bodlane$From, lctolc$From)]
colnames(bodlane) <- c("Item","Entry","Parent","From")

bodlane$To <- lctolc$To[match(bodlane$From, lctolc$From)]
colnames(bodlane) <- c("Item","Entry","Parent","Parent1","From")

bodlane$To <- lctolc$To[match(bodlane$From, lctolc$From)]
colnames(bodlane) <- c("Item","LC","ToLC","Parent1","From","To")

Answer 1

我相信这可以通过igraph 以与“recursive” self join in data.table 类似的方式解决，但无需计算。

这里的困难在于每个Item 都有单独的图表。我的方法是将数据框拆分为图表列表。可能有更简洁的解决方案使用type 顶点属性。

但是，下面的代码会产生预期的结果：

library(igraph)
library(data.table)
library(magrittr)
       
lapply(
  lapply(split(lctolc, lctolc$Item), function(x) graph.data.frame(x[, 2:3])), 
  function(x) lapply(
    V(x)[degree(x, mode = "in") == 0], 
    function(s) all_simple_paths(x, from = s, 
                                 to = V(x)[degree(x, mode = "out") == 0]) %>% 
      lapply(
        function(y) as.data.table(t(names(y))) %>% setnames(paste0("LC", seq_along(.)))
      ) %>% 
      rbindlist(fill = TRUE) 
  ) %>% rbindlist(fill = TRUE)
) %>% rbindlist(fill = TRUE, idcol = "Item")

     Item  LC1  LC2  LC3  LC4
1: 8T4121 MN12 AB12 BC34 <NA>
2: 8T4121 MW92 WK14 RS11 OY01
3: 8T4121 MW92 WK14 RM11 <NA>
4: AB7651 MW92 RS11 OY01 <NA>

说明

igraph 包是解决此类问题的不错选择。

但是，我们需要分别处理每个Item 的图。这是通过拆分 data.frame 并通过

创建图表列表来实现的

lg <- lapply(split(lctolc, lctolc$Item), function(x) graph.data.frame(x[, 2:3]))

返回

lg

$`8T4121`
IGRAPH 8eb2bcc DN-- 8 6 -- 
+ attr: name (v/c)
+ edges from 8eb2bcc (vertex names):
[1] AB12->BC34 MN12->AB12 MW92->WK14 WK14->RM11 WK14->RS11 RS11->OY01

$AB7651
IGRAPH 7cd75e7 DN-- 3 2 -- 
+ attr: name (v/c)
+ edges from 7cd75e7 (vertex names):
[1] MW92->RS11 RS11->OY01

或者，通过两个单独的图进行可视化。

lapply(seq_along(lg), function(i) plot(lg[[i]], main = names(lg)[i]))

现在，函数all_simple_paths() 列出了从一个源顶点到另一个顶点的简单路径，或者如果顶点被访问一次，则路径是简单的顶点。要使用该功能，我们需要确定起始节点和所有结束节点。这是通过

实现的

V(x)[degree(x, mode = "in") == 0]  # start nodes
V(x)[degree(x, mode = "out") == 0] # end nodes 

degree() 函数分别返回传入或传出边的数量。

对于我们的示例数据集，我们得到

lapply(lg, function(x) V(x)[degree(x, mode = "in") == 0]) # start nodes

$`8T4121`
+ 2/8 vertices, named, from 8eb2bcc:
[1] MN12 MW92

$AB7651
+ 1/3 vertex, named, from 7cd75e7:
[1] MW92

lapply(lg, function(x) V(x)[degree(x, mode = "out") == 0]) # end nodes

$`8T4121`
+ 3/8 vertices, named, from 8eb2bcc:
[1] BC34 RM11 OY01

$AB7651
+ 1/3 vertex, named, from 7cd75e7:
[1] OY01

现在，我们遍历每个图的所有起始节点并确定所有简单路径。结果又是一个列表。对于每个列表项，节点名称被提取并重新调整为宽格式的 data.table。列重命名为LC1、LC2等。

在每一步中，我们都会得到一个由rbindlist() 组合的data.tables 列表。 fill 参数是必需的，因为列数可能会有所不同。对 rbindlist() 的最终调用使用idcol 参数来标记与Item 关联的行。

数据

样本数据集已经过修改，以包含来自 OP 的 cmets here 和 here 的案例。

library(data.table)
lctolc <- fread("
Item     LC     ToLC
8T4121  AB12    BC34
8T4121  MN12    AB12
8T4121  MW92    WK14
8T4121  WK14    RM11
8T4121  WK14    RS11
8T4121  RS11    OY01
AB7651  MW92    RS11
AB7651  RS11    OY01",
data.table = FALSE)