R tidyverse：两列集合的唯一标识符[重复]答案

【问题标题】：R tidyverse: unique identifier for union of the sets of two columns [duplicate]R tidyverse：两列集合的唯一标识符[重复]
【发布时间】：2020-08-13 23:13:07
【问题描述】：

我有一个产品数据集，其中两列代表分类。我想根据这两组的并集获得一个组 id。

组 id 必须是可传递的，如果观察 1 和 2 的 class1 相同，并且 2 和 3 的 class2 相等，则 1,2 和 3 相等。在示例中，您可以看到传递性在第 1-4 列具有相同 group_id 的结果中起作用。

任何关于如何做到这一点的提示将不胜感激 =)

# Example
df <- tribble(
  ~id, ~class1, ~class2,
  1, "A", "L1",
  2, "A", "L1",
  3, "B", "L1",
  4, "B", "L2",
  5, "C", "L3",
  6, "D", "L4")

# Desired output
result <- tribble(
  ~id, ~class1, ~class2, ~group_id,
  1, "A", "L1", 1,
  2, "A", "L1", 1,
  3, "B", "L1", 1, 
  4, "B", "L2", 1, 
  5, "C", "L3", 2,
  6, "D", "L4", 3)

【问题讨论】：

标签： r join tidyverse

【解决方案1】：

df %>%
  mutate(group_id = 1 + cumsum(!(class1 == lag(class1, default = class1[1]) | 
                                 class2 == lag(class2, default = class2[1]))))
# # A tibble: 6 x 4
#      id class1 class2 group_id
#   <dbl> <chr>  <chr>     <dbl>
# 1     1 A      L1            1
# 2     2 A      L1            1
# 3     3 B      L1            1
# 4     4 B      L2            1
# 5     5 C      L3            2
# 6     6 D      L4            3

（1+ 是为了让它和你的完全一样，否则前四行是0，等等。没问题，如果基于 0 或基于 1，它们仍然分组相同。）

【讨论】：

【解决方案2】：

或许，我们可以使用igraph

library(dplyr)
library(igraph)
df %>% 
   select(-id) %>% 
   graph_from_data_frame %>% 
   clusters %>%
   pluck(membership) -> cls
df %>% 
     mutate(group_size = cls[class1])
# A tibble: 6 x 4
#     id class1 class2 group_size
#  <dbl> <chr>  <chr>       <dbl>
#1     1 A      L1              1
#2     2 A      L1              1
#3     3 B      L1              1
#4     4 B      L2              1
#5     5 C      L3              2
#6     6 D      L4              3

【讨论】：