查找分组变量的并集和交集

Posted 2023-02-14

【中文标题】查找分组变量的并集和交集

【英文标题】：Find the union and intersection of grouped variables

【发布时间】：2022-01-16 22:36:11

【问题描述】：

我有两个已装箱的向量。 基本上，我想要一个函数来找到这两个向量（输出）的并集和交集。 似乎没有支持此功能的功能。知道如何执行所需的输出向量吗？

example1 <- c("18--25", "26--30", "31--50", "51+")
example2 <- c("18--23", "24--30", "31--65", "66+")

output <- c("18--23", "24--25", "26--30", "31--50", "51--65", "66+")

【问题讨论】：

我相信为了提取所需的输出，必须通过删除“--”和“+”将 grous 转换为数字。如果有人可以构建一个功能，您是否还可以包含区分组的符号（“--”和“+”）

一个助手可能是：strcapture("([0-9]+)[^0-9]+([0-9]*)", example1, list(a=1L, b=1L))，生成一个包含范围的两列框架，NA 用于无限结束。

【参考方案1】：

我们可以像这样删除重复项并每 2 个元素组合一个排序向量（R 版本 4.0 及更高版本用于管道 |>）：

f <- function(x, y, sep, max)
  m <- paste0("\\", max)
  gsub(m, "", c(x, y)) |>
    strsplit(sep, fixed = T) |>
    unlist(use.names = F) |>
    sort() |>
    unique() |>
    as.numeric() |>
    (\(.) tapply(., gl(length(.), 2, length(.)), paste, collapse = sep, simplify = T))() |>
    (\(.) .[!is.na(.)])() |>
    as.character() |>
    (\(.) .[length(.)] <- paste0(.[length(.)], max) ; .)()
  

# for older R versions
f <- function(x, y, sep, max)
  x <- gsub(paste0("\\", max), "", c(x, y))
  x <- as.numeric(unique(sort(unlist(strsplit(x, sep, T), use.names = F))))
  x <- tapply(x, gl(length(x), 2L, length(x)), paste, collapse = sep, simplify = T)
  x <- as.character(x[!is.na(x)])
  x[length(x)] <- paste0(x[length(x)], max)
  x


f(example1, example2, "--", "+")
[1] "18--23" "24--25" "26--30" "31--50" "51--65" "66+" 

【讨论】：

好像有意外符号

@Nicolas123 不确定这意味着什么 - 当您运行该函数时，它会返回不正确的结果？还是抛出错误？

由于意外符号而引发错误。 |> 运算符是做什么的？

Nicolas123，这是 R-4.1 的新功能。如果您在此之前使用过某些东西，则可以选择将|> 替换为%>%，因为您已经在使用dplyr。如果您没有使用dplyr，那么可能需要library(magrittr) 才能访问%>%。

我已对其进行了修改，但它再次引发错误。您能否在 R 中发布先前版本的等效答案？我正在使用 dplyr 顺便说一句